محققان از با استفاده از هوش مصنوعی ویژگی های مربوط به عکس های میکروسکوپی با زمینه روشن را شناسایی می کنند. برای زیست شناسان سلولی، میکروسکوپ فلورسنس یک ابزار ارزشمند به حساب می آید. ترکیب پادتن ها با رنگ های مختلف و یا وارد کردن کد ژن ها به پروتئین …
بیشتر بخوانید »فناوری Deep Face فیسبوک : چه کارهایی می توان با آن انجام داد؟
فیس بوک در زمینه نرم افزار شناسایی و تطبیق چهره پیشرفت بسیاری داشته و تحقیقات خود را منتشر کرده است. وقتش رسیده که به منظور بررسی مدل های کسب و کار به چیزی فراتر از برچسب زدن (تگ کردن) به عکس ها بیاندیشیم. فیسبوک نرم افزار تأیید چهره ای را …
بیشتر بخوانید »تفاوت هوش مصنوعی، یادگیری ماشین و یادگیری عمیق
با دیدن این ویدیوی آموزشی کوتاه، تفاوتها و اشتراکات سه حوزه هوش مصنوعی، یادگیری ماشین و یادگیری عمیق را خواهید آموخت. ویدیو به زبان انگلیسی است و زیرنویس فارسی (ترجمه خودکار و البته قابل قبول) دارد. با دیدن این ویدیو مطالب زیر را خواهید آموخت: تفاوت هوش مصنوعی و یادگیری …
بیشتر بخوانید »افزایش دقت تشخیص چهره با تنوع در چهره ها
تحقیقات آی بی ام پایگاه داده های ” تنوع در چهره ها ” را در راستای پیشرفت مطالعات مربوط به دقت تشخیص در سیستم های تشخیص چهره منتشر کرده است. تا حالا اتفاق افتاده کا با ناعدالتی با شما برخورد شود؟ پس از برخورد ناعادلانه چه حسی داشته اید؟ احتمالا …
بیشتر بخوانید »هوش مصنوعی برای کسانی که عجله دارند!
امروزه بحث ها و سردرگمی های زیادی در مورد هوش مصنوعی وجود دارد. مردم بدون داشتن دید کافی صحبت ها و نظرات زیادی در مورد یادگیری عمیق و بینایی ماشین می دهند. در این ویدیو کوتاه که توسط دکتر راج رامش تهیه شده، زمینه درست برای شناخت هوش مصنوعی آموزش …
بیشتر بخوانید »هوش مصنوعی چیست و چگونه کار می کند؟
کدام کدام است؟ کلیت مفهوم هوش مصنوعی به عنوان یک موضوع علمی تخیلی شروع شد: ماشین هایی که می توانند صحبت کنند، ماشین هایی که می توانند فکر کنند، ماشین هایی که می توانند احساس کنند. با این وجود که مورد آخر احتمالا بدون ایجاد یک دنیا بحث و مناظره …
بیشتر بخوانید »پیاده سازی شبکه عصبی عمیق در متلب – قسمت چهارم : الگوریتم پس انتشار
یکی از اساسی ترین مباحث در شبکه های عصبی، فرآیند آموزش شبکه است. آموزش شبکه به معنی یافتن وزن های نورون ها است که در شبکه های عصبی عمیق به معنای تعیین عناصر کرنل ها یا همان بانک فیلتری است. مقاله مرتبط : پیاده سازی شبکه عمیق در متلب: ساختن …
بیشتر بخوانید »پیاده سازی شبکه عصبی عمیق در متلب – قسمت سوم : تماماً متصل
در درسنامه های قبل، لایه ی اول از شبکه های عصبی عمیق کانولوشن یعنی لایه ی کانولوشن و لایه ی دوم یعنی لایه ی Pooling را بررسی کردیم. در این قسمت، سایر لایه های این شبکه را مطالعه خواهیم کرد. مقاله مرتبط : پیاده سازی شبکه عمیق در متلب: ساختن …
بیشتر بخوانید »پیاده سازی شبکه عصبی عمیق در متلب – قسمت دوم : پولینگ
در درسنامه ی قبل، لایه ی اول از شبکه های عصبی عمیق کانولوشن یعنی لایه ی کانولوشن را بررسی کردیم. در این قسمت، سایر لایه های این شبکه را مطالعه خواهیم کرد. مقاله مرتبط : پیاده سازی شبکه عمیق در متلب: ساختن شبکه یادگیری عمیق ساده برای کلاسه بندی پیاده …
بیشتر بخوانید »پیاده سازی شبکه عصبی عمیق در متلب – قسمت اول : کانولوشن
امروزه کاربرد شبکه های عصبی مصنوعی بسیار گسترده شده و تنوع شدیدی پیدا کرده است. شبکه های عصبی مصنوعی، شبیه سازی فعالیت و پروسه ی یادگیری مغز انسان بر روی کامپیوتر می باشد. شبکه های عصبی یکی از راه های هوشمندسازی کامپیوتر ها و بعبارتی یادگیری و بینایی ماشین هستند. …
بیشتر بخوانید »