مقاله های منتشر شده گروه هوش مصنوعی

مقاله های منتشر شده گروه هوش مصنوعی

دسته بندی مقاله ها برای دسترسی سریع تر
صفحه قبلی
پیمایش رکوردها - صفحه 7 از 8
12345678
صفحه بعدی
1 تکمیل Decoder در Transformer | موج Transformer Modelها
2 Attention: دسترسی مستقیم Decoder به همهٔ خروجی‌های Encoder | Attention به‌عنوان Memory Retrieval قابل Differentiation
3 Masking دستی و Ragged Tensor | استفادهٔ مجدد از Embedding و Language Modelهای Pretrained
4 فصل ۱۶: پردازش زبان طبیعی با RNN و Attention | تولید متن شکسپیری با Character RNN
5 مقابله با Gradient ناپایدار در RNNهای طولانی | Layer Normalization در RNN
6 آماده‌سازی سری زمانی برای مدل‌های یادگیری ماشین | Forecast با مدل Linear
7 فصل ۱۵: پردازش دنباله‌ها با RNN و CNN | نورون و لایهٔ بازگشتی
8 DeepSORT، Semantic/Instance Segmentation، Transposed Convolution و تمرین‌ها
9 Object Detection، FCN، YOLO، mAP و Object Tracking
10 انتخاب CNN، ResNet-34، Modelهای Pretrained، Transfer Learning و IoU
11 ResNet، Xception، SENet و معماری‌های Efficient CNN
12 LeNet-5، AlexNet، GoogLeNet، VGGNet و آغاز ResNet
13 Padding و Stride، Memory، Pooling و معماری پایه CNN
14 فصل ۱۴: CNN، قشر بینایی، Convolution، Filter و Feature Map
15 Embedding، Text/Image Preprocessing، TensorFlow Datasets و تمرین‌های فصل ۱۳
16 SequenceExample و Keras Preprocessing: Normalization، Lookup، Hashing و Embedding
17 Prefetch، TFRecord، Protocol Buffer و Parsing Example در TensorFlow
18 فصل ۱۳: tf.data، Shuffle، Interleave و Preprocessing داده
19 Training Loop سفارشی، tf.function، AutoGraph و تمرین‌های فصل ۱۲
20 Custom Model، Autodiff، GradientTape و Custom Gradient در TensorFlow
21 فصل ۱۲: TensorFlow سطح پایین، Tensorها، Loss و Metric سفارشی و Custom Layer در Keras
22 فصل ۱۲: TensorFlow سطح پایین، Tensorها، Variableها و ساختارهای داده
23 Dropout، MC Dropout، Max-Norm و راهنمای عملی آموزش DNN + تمرین‌ها
24 Learning Rate Scheduling و Regularization؛ L1/L2 و آغاز Dropout
25 بهینه‌سازهای شبکه عصبی؛ Momentum، NAG، AdaGrad، RMSProp، Adam و AdamW
26 Transfer Learning، استفاده مجدد از لایه‌ها و Pretraining
27 GELU و Swish، Batch Normalization و Gradient Clipping
28 فصل ۱۱: آموزش شبکه‌های عصبی عمیق؛ Vanishing/Exploding Gradients و Activationهای پیشرفته
29 تنظیم Hyperparameter شبکه عصبی با Keras Tuner و تمرین‌های فصل ۱۰
30 Subclassing API، ذخیره مدل، Callbackها و TensorBoard در Keras
31 ارزیابی، پیش‌بینی و Functional API در Keras؛ مدل‌های Wide & Deep و چندورودی/چندخروجی
32 پیاده‌سازی MLP با Keras؛ Fashion MNIST، Sequential API و آموزش مدل
33 MLP، Backpropagation و معماری‌های رگرسیون و طبقه‌بندی شبکه عصبی
34 بخش دوم و فصل ۱۰: آشنایی با شبکه‌های عصبی مصنوعی، نورون‌ها و Perceptron
35 Gaussian Mixture، تشخیص ناهنجاری، BIC/AIC و مدل‌های Novelty Detection
36 Label Propagation، Active Learning، DBSCAN و Gaussian Mixture
37 k-means پیشرفته؛ Mini-Batch، Silhouette و کاربردهای خوشه‌بندی
38 فصل ۹: یادگیری بدون نظارت؛ خوشه‌بندی و مبانی k-means
39 انتخاب ابعاد PCA، فشرده‌سازی، Random Projection و LLE
40 فصل ۸: کاهش ابعاد؛ نفرین ابعاد، Projection، Manifold و PCA
صفحه قبلی
پیمایش رکوردها - صفحه 7 از 8
12345678
صفحه بعدی

اطلاعات تماس

  • آدرس:اصفهان-خیابان ام کلثوم غربی - بعد خیابان تخم چی - بیست متر بعد از پیتزا ننه شب - کوچه تعمیر گاه سمار زغالی - پلاک 354 - درب مشکی - طبقه هفتم
  • آدرس ایمیل:najafzade@gmail.com
  • وب سایت:http://www.a00b.com/
  • تلفن ثابت:(+98)9131253620
  • تلفن همراه:09131253620