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 تغيیر تابع هدف نباشد. زیرا به سختی میتوان اوزان یادگرفته شده توسط شبکه را تغيیر نمود.

برخي زمينه هاي شبكه هاي عصبي

• شناسايي الگوها (Pattern recognition): شامل تشخيص چهره، اثر انگشت، تشخيص نوع صدا و نوع صحبت كردن، دست‌خط و…
  به‌عنوان مثال از اين سازوكار در بانك‌ها در مقايسه‌ي امضاي شخص مراجعه كننده براي دريافت وجه از يك حساب و امضايي كه در پرونده‌ي حساب ثبت شده‌است استفاده مي‌شود. اين يكي از نخستين كاربردهاي فراگير تراشه‌هاي شبكه‌هاي عصبي است.
• 
  پزشكي(Medicine): در تجزيه وتحليل وتشخيص علايم دست‌گاه ضربان‌نگار قلب (الكتروكارديوگراف)، ونيز شبكه‌ي آموزش‌ديده‌اي كه مي‌تواند بيماري را تشخيص دهد و حتا دارو نيز تجويز كند.
• كاربردهاي تجاري: انجام هرگونه تصميم‌گيري كه در دنياي تجارت به ‌سهولت انجام ‌پذير نيست، مثلاً تصميم‌گيري‌هايي كه نياز به اطلاعات وسيعي در محدوده‌ي هدف مورد نظر دارند. مثلاً در تلاش براي پيش‌بيني نوسانات سهام ازروي اطلاعات قبلي در بورس از شبكه‌ها به‌وفور استفاده مي‌شود.
• هوش مصنوعي: بسياري از كارشناسان هوش مصنوعي معتقدند شبكه‌ها‌ي عصبي مصنوعي بهترين وشايد تنها اميد طراحي يك ماشين هوش‌مند هستند.
• فشرده‌كردن اطلاعات تصويري براي كاهش حجم اطلاعات
• حذف (Noise) در خطوط مخابراتي
• سيستم‌هاي نظامي: شامل رديابي مين‌هاي زيردريايي،
  حذف صداهاي ناهنجار در سيستم‌هاي رديابي رادارها و…
  ساخت و بهره‌برداري سازه‌هاي ساختماني: به دليل سرعت زياد شبكه‌هاي عصبي در پردازش و تحليل داده‌ها زمان مورد نياز براي كشف سازه‌ي بهينه كاهش مي‌يابد.
• بازاريابي: شبكه‌ها براي فروش بيشتر و گزيده‌تر در تبليغات اينترنتي استفاده مي‌شوند.
• ديده‌باني و بررسي (In Monitoring) : به‌عنوان مثال با بررسي ترازهاي صوتي كه از فضاپيماها مخابره مي‌شود خطر‌هاي پيش روي فضاپيما پيش‌بيني مي‌شود. اين روش در ريل‌ها براي بررسي صداهاي توليد شده از موتورهاي ديزلي نيز 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.