بایگانی/آرشیو برچسب ها : یادگیری عمیق

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 …

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 …

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 …

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 …

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 …

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 …

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 …

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. …