شبکه عصبی

انواع آموزش شبکه عصبی

یادگیری تحت نظارت(یا supervised ) : با تمرکز روی یک موضوع خاص و ارائه ی  مثالهای مختلفی از آن صورت می گیرد .شبکه اطلاعات ورودی و مثال ها را تجزیه و تحلیل خواهد کرد به طوری که پس از مدتی قادر خواهد بود یک نوع جدید از آن دسته مثال ها را که قبلا هرگز ندیده بود شناسایی کند.

یادگیری بدون نظارت(یا unsupervised ) :یادگیری سطح بالاتری است که کاربرد آن امروزه کمتر است.

یادگیری تقویتی(یا  reinforcement):

مدل پنهانی مارکوف(MDP):اجزای اصلی یک مدل مارکوف عبارتند از :مجموعه ی حالتها،مجموعه ی عملها،گذرها،ارزش افزوده ی فوری هر عمل

مسائل مناسب برای یادگیری شبکه های عصبی

  • خطا در داده های آموزشی وجود داشته باشد. مثل مسائلی که داده های آموزشی دارای نویز حاصل از دادهای سنسورها نظیر دوربین و میکروفن ها هستند.
  • تابع هدف دارای مقادیر پیوسته باشد.
  • زمان کافی برای یادگیری وجود داشته باشد. این روش در مقایسه با روشهای دیگر نظیر درخت تصمیم نیاز به زمان بیشتری برای یادگیری دارد.
  • نیازی به تغییر تابع هدف نباشد. زیرا به سختی میتوان اوزان یادگرفته شده توسط شبکه را تغییر نمود.

برخی زمینه های شبکه های عصبی

  • شناسایی الگوها (Pattern recognition): شامل تشخیص چهره، اثر انگشت، تشخیص نوع صدا و نوع صحبت کردن، دست‌خط و…
    به‌عنوان مثال از این سازوکار در بانک‌ها در مقایسه‌ی امضای شخص مراجعه کننده برای دریافت وجه از یک حساب و امضایی که در پرونده‌ی حساب ثبت شده‌است استفاده می‌شود. این یکی از نخستین کاربردهای فراگیر تراشه‌های شبکه‌های عصبی است.

  • پزشکی(Medicine): در تجزیه وتحلیل وتشخیص علایم دست‌گاه ضربان‌نگار قلب (الکتروکاردیوگراف)، ونیز شبکه‌ی آموزش‌دیده‌ای که می‌تواند بیماری را تشخیص دهد و حتا دارو نیز تجویز کند.
  • کاربردهای تجاری: انجام هرگونه تصمیم‌گیری که در دنیای تجارت به ‌سهولت انجام ‌پذیر نیست، مثلاً تصمیم‌گیری‌هایی که نیاز به اطلاعات وسیعی در محدوده‌ی هدف مورد نظر دارند. مثلاً در تلاش برای پیش‌بینی نوسانات سهام ازروی اطلاعات قبلی در بورس از شبکه‌ها به‌وفور استفاده می‌شود.
  • هوش مصنوعی: بسیاری از کارشناسان هوش مصنوعی معتقدند شبکه‌ها‌ی عصبی مصنوعی بهترین وشاید تنها امید طراحی یک ماشین هوش‌مند هستند.
  • فشرده‌کردن اطلاعات تصویری برای کاهش حجم اطلاعات
  • حذف (Noise) در خطوط مخابراتی
  • سیستم‌های نظامی: شامل ردیابی مین‌های زیردریایی،
    حذف صداهای ناهنجار در سیستم‌های ردیابی رادارها و…
    ساخت و بهره‌برداری سازه‌های ساختمانی: به دلیل سرعت زیاد شبکه‌های عصبی در پردازش و تحلیل داده‌ها زمان مورد نیاز برای کشف سازه‌ی بهینه کاهش می‌یابد.
  • بازاریابی: شبکه‌ها برای فروش بیشتر و گزیده‌تر در تبلیغات اینترنتی استفاده می‌شوند.
  • دیده‌بانی و بررسی (In Monitoring) : به‌عنوان مثال با بررسی ترازهای صوتی که از فضاپیماها مخابره می‌شود خطر‌های پیش روی فضاپیما پیش‌بینی می‌شود. این روش در ریل‌ها برای بررسی صداهای تولید شده از موتورهای دیزلی نیز آزموده شده است.

از شما دوستان عزیز که این مطلب آموزشی را دنبال نموده اید تشکر می کنیم و شما را دعوت میکنیم که برای فراگیری شبکه عصبی مطالب ما را دنبال کنید.این مطالب برای افزایش دانش شما در سایت قرار داده شده و کمک زیادی در یادگیری شما در انجام پروژه شبکه عصبی خواهد نمود.

فریلنسر هستم و مهارت انجام پروژه ای را دارم!

اگر شما فریلنسر هستید و توانایی انجام پروژه ای را در یک رشته یا حوزه ای خاص دارید برای فعالیت در سایت کافه پروژه و کسب درآمد می توانید در سایت ثبت نام کنید و پروژه هایی با مهارت انتخاب خود را مشاهده کنید.جهت ثبت نام و ثبت رزومه خود در سایت از طریق دکمه پایین صفحه در سایت عضو شوید:

نحوه سفارش پروژه در سایت کافه پروژه :

اگر پروژه ای دارید که میخواهید آن را برون سپاری کنید کافی است در سایت کافه پروژه ثبت نام کنید و پروژه خود را ثبت نمایید.پروژه شما هر چه که باشد حتما مجری برای آن وجود دارد.جهت ثبت نام و ثبت سفارش پروژه خود برروی دکمه زیر کلیک نمایید.

بدون دیدگاه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *