در این آموزش ، ما با اصول شبکه های عصبی کانولوشنی ( CNN ) و نحوه استفاده از آن ها برای یک مسئله کلاسه بندی تصویر آشنا خواهیم شد. همچنین خواهیم دید که داده افزایی چگونه به بهبود عملکرد شبکه کمک می کند. ما در آموزش های قبلی در مورد …
بیشتر بخوانید »
داستان هوش مصنوعی از جایی شروع شد که ریاضی دانان، مهندسان و روان شناسان، تلاش کردند تا قدرت یادگیری مغز انسان را به نرم افزار نیز منتقل کنند. اما شاید تنها راه بهره مندی از مزایای واقعی هوش مصنوعی ، کنار گذاشتن محدودیت های تفکر انسانی باشد. تابستان ۱۹۵۶ بود …
بیشتر بخوانید »
در این مقاله ، به نحوه ی پیاده سازی یک شبکه عصبی پیشخور ( Feed Forward ) در Keras خواهیم پرداخت. ما از کلاسه بندی ارقام دست نویس به عنوان مثالی برای نشان دادن اثربخشی شبکه پیشخور استفاده می کنیم. همچنین خواهیم دید که چگونه می توان بیش برازش ( …
بیشتر بخوانید »
با گسترش هرچه بیشتر ارتباطات دیجیتال و استفاده روز افزون آن ها، فعالیت های مختلف انسان ها از پرداخت وجه گرفته تا جلسات و دیدار ها، همگی شکل دیجیتالی به خود گرفته اند. در چنین دنیایی تامین امنیت به صورت دیجیتال از ملزمات اصلی به شمار می رود. اینجاست که …
بیشتر بخوانید »
در قسمت قبل ، به بررسی سه شاخه اصلی انقلاب صنعتی چهارم یعنی اینترنت اشیاء ، هوش مصنوعی و دفتر کل توزیع شده پرداختیم. در این قسمت با قرارداد های هوشمند و نحوه اجرا آن ها آشنا می شویم و دیگر گرایشات اصلی انقلاب چهارم صنعتی را بررسی می کنیم. …
بیشتر بخوانید »
در این سری از آموزش شبکه عصبی قصد داریم به شبکه های عصبی پیشخور ، که به آن ها Deep Feedforward Networks یا Multi-layer Perceptrons ( پرسپترون چند لایه ) نیز گفته می شود، بپردازیم. این شبکه ها اساس بسیاری از شبکه های عصبی مهمی هستند که اخیرا مورد استفاده …
بیشتر بخوانید »
در قسمت اول به بررسی انقلاب های صنعتی گذشته و زمینه سازی های صورت گرفته برای وقوع انقلاب صنعتی چهارم پرداختیم. در این قسمت، با مفاهیم اینترنت اشیا، هوش مصنوعی و دفتر توزیع مشترک که اصلی ترین شاخه های انقلاب چهارم صنعتی هستند آشنا می شویم. اینترنت اشیا ( IOT …
بیشتر بخوانید »
برای درک زمان حال ، باید در مورد گذشته تحقیق کرد. برای دیدن آینده ، انسان باید حرکت را در زمان حال احساس کند. وقتی گذشته را بررسی می کنیم ، روشن می شود که پیشرفت فناوری ، بدون شک عامل اصلی پیشرفت در تمدن بشری بوده است. درست مانند …
بیشتر بخوانید »
یادگیری عمیق شاخه ای از رشته هوش مصنوعی است که از شبکه های عصبی برای یادگیری ماشین استفاده می کند و در سال های اخیر ، نسبت به روش های یادگیری ماشین سنتی ، در کاربردهای بینایی رایانه ای ، پردازش زبان طبیعی ، رباتیک و بسیاری از حوزه های …
بیشتر بخوانید »
مقدمه ای بر روش های تفسیر پذیری برای سهولت نظارت بر آموزش شبکه عصبی استفاده از روش Grad Cam روی کلاس گوزن از دیتاست ImageNet این مقاله به معرفی کتابخانه tf-explain می پردازد و توضیحاتی در مورد روش های تفسیر پذیری ، مانند Grad CAM ، با Tensorflow 2.0 ارائه …
بیشتر بخوانید »
مجله شهاب هوش مصنوعی، یادگیری عمیق، بینایی ماشین، …
