deep learning
جلسه اول: مبانی شبکه های عصبی، یادگیری با بهینه سازی، کاهش گرادیان تصادفی، الگوریتم پس انتشار خطا در ویدئو
جلسه دوم: الگوریتم پس انتشار خطا در شبکه های عصبی، پیاده سازی یک جعبه ابزار شبکه عصبی ویدئو
جلسه سوم: پیاده سازی یک جعبه ابزار شبکه عصبی ویدئو
جلسه چهارم: آشنایی با PyTorch ویدئو
جلسه پنجم: یادگیری و تعمیم ویدئو
جلسه ششم: روش های بهینه سازی تکانه ای ویدئو
جلسه هفتم: شبکه های عصبی پیچشی ویدئو
جلسه هشتم: معماری های برتر شبکه های عصبی پیچشی ویدئو
جلسه نهم: شبکه های عصبی بازگشتی ویدئو
جلسه دهم: شبکه های عصبی بازگشتی در کاربرد ویدئو
جلسه یازدهم: محوشدگی گرادیان ویدئو
دوره های مرتبط
هوش مصنوعی پیشرفته
هوش مصنوعی پیشرفته جلسه اول ویدئو جلسه دوم ویدئو جلسه سوم ویدئو جلسه چهارم ویدئو جلسه پنجم ویدئو جلسه ششم…
سیستم کنترل چند متغیره
سیستم کنترل چند متغیره جلسه اول ویدئو جلسه دوم ویدئو جلسه سوم ویدئو جلسه چهارم ویدئو جلسه پنجم ویدئو جلسه…
شبکه های عصبی
شبکه‌های عصبی سیستم‌ها و روش‌های محاسباتی نوینی هستند برای یادگیری ماشینی، نمایش دانش، و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سامانه‌های پیچیده. ایدهٔ اصلی این گونه شبکه‌ها (تا حدودی) الهام‌گرفته از شیوهٔ کارکرد سیستم عصبی زیستی، برای پردازش داده‌ها، و اطلاعات به منظور یادگیری و ایجاد دانش قرار دارد. عنصر کلیدی این ایده، ایجاد ساختارهایی جدید برای سامانهٔ پردازش اطلاعات است.
پردازش سیگنال های دیجیتال
پردازش سیگنال دیجیتال (Digital Signal Processing, DSP) به پردازش دیجیتالی سیگنال‌های گسسته در زمان گفته می‌شود. این کار به وسیله کامپیوتر یا پردازنده‌های سیگنال دیجیتال انجام می‌شود. پردازش سیگنال دیجیتال (گسسته) و پردازش سیگنال پیوسته، زیرمجموعه‌هایی از پردازش سیگنال هستند.
امتیاز دانشجویان دوره
نظرات
برای ارسال نظر باید وارد حساب کاربری خود شده باشید.
رایگان!
سید کمال الدین غیاثی شیرازی
استادیار گروه مهندسی کامپیوتر دانشگاه فردوسی مشهد
ms_latifpour( دانشجوی دوره )
سلام وقت بخیر. با تشکر از اشتراک گذاری این آموزشهای ارزشمند ولی متاسفانه برخی ویدیو ها باز نمیشن. ممنون میشم پیگیری کنید.
جواد راعی(مدیریت)
متشکر موارد تحت بررسی و در حال به روز رسانی است ، می توانید در چنین مواردی از نسخه قدیمی سایت استفاده کنید .
سپاسگزارم راعی