🧠 مباحث ویژه – شبکه عصبی

در این درس با مفاهیم پایه و پیشرفته شبکه‌های عصبی مصنوعی، معماری‌ها، توابع فعال‌سازی، روش‌های یادگیری و کاربردهای عملی آن‌ها آشنا می‌شوید.

  • 📖 مقطع: کارشناسی / کارشناسی ارشد
  • ⚡ نوع: تئوری + عملی
  • 🔗 پیش‌نیاز: هوش مصنوعی، برنامه‌نویسی

📊 فایل‌های پاورپوینت

در این بخش می‌توانید پاورپوینت‌های ارائه شده در کلاس را دانلود کنید. پیشنهاد می‌شود حتماً قبل از هر جلسه، پاورپوینت جلسه قبل را مرور کنید.

جلسه اول - مقدمه بر شبکه‌های عصبی

در این فصل ابتدا با مفهوم شبکه عصبی و نقش نورون مصنوعی آشنا می‌شوید، سپس توابع فعال‌سازی و رابطه نورون با معادله خط بررسی می‌گردد. در ادامه با حل گام‌به‌گام مسائل AND، OR و XOR، توانایی پرسپترون در دسته‌بندی خطی و غیرخطی تحلیل شده و در نهایت با یک مثال عملی، فصل به پایان می‌رسد.

📄 حجم: ۴.۵۹ مگابایت
📥 دانلود

جلسه دوم - آماده‌سازی محیط متلب و مباحث ماتریسی برای پیاده‌سازی شبکه عصبی

در این فصل ابتدا مراحل نصب متلب مرور می‌شود، سپس اهمیت نگاه ماتریسی در پیاده‌سازی شبکه‌های عصبی توضیح داده می‌شود. پس از آشنایی با محیط کاری متلب، نحوه تعریف ماتریس، انجام محاسبات ماتریسی، تولید داده‌های مصنوعی و ترسیم آن‌ها ارائه می‌گردد و در پایان جمع‌بندی فصل انجام می‌شود.

📄 حجم: ۱.۰۹ مگابایت
📥 دانلود

جلسه سوم - پیاده‌سازی شبکه عصبی با ابزار Nprtool و ارزیابی عملکرد

در این فصل ابتدا مقدمه و نحوه فراخوانی دیپاست بررسی می‌شود، سپس کار با ابزار Nprtool برای طراحی شبکه عصبی تشخیص الگو آموزش داده می‌شود. پس از آن، روش‌های بهبود عملکرد شبکه، تفسیر خروجی، پیشگیری از خطاهای احتمالی و در نهایت معرفی ماتریس آشفتگی به عنوان معیار ارزیابی ارائه می‌گردد و فصل با جمع‌بندی به پایان می‌رسد.

📄 حجم: ۴.۱۲ مگابایت
📥 دانلود

جلسه چهارم - طراحی شبکه عصبی با Nftool و پیاده‌سازی مثال تیرویید

در این فصل ابتدا مقدمه و معماری شبکه عصبی همراه با معرفی Nftool ارائه می‌شود، سپس طراحی شبکه عصبی تیرویید گام به گام آموزش داده می‌شود. در ادامه روش‌های بهبود تشخیص، اسکریپت‌نویسی شبکه عصبی و در نهایت حل یک مثال کاربردی کامل بررسی می‌گردد و فصل با جمع‌بندی به پایان می‌رسد.

📄 حجم: ۲.۸۵ مگابایت
📥 دانلود

جلسه پنجم - شبکه‌های عصبی پیش‌بینی کننده و پیگیری تابع سینوس

در این فصل ابتدا مقدمه و معرفی شبکه‌های پیش‌بینی کننده همراه با ابزار Nftool ارائه می‌شود، سپس پیگیری تابع سینوس و روش‌های بهبود رگرسیون آموزش داده می‌شود. در ادامه اسکریپت‌نویسی شبکه عصبی بررسی می‌گردد و در نهایت با حل مثال کاربردی شبکه سری زمانی (سشن و سنن) فصل به پایان می‌رسد.

📄 حجم: ۲.۹۴ مگابایت
📥 دانلود

جلسه ششم - کار با ابزار Nntool و مدیریت داده از اکسل تا شبکه عصبی

در این فصل ابتدا مقدمه و نحوه خواندن دیتا از اکسل آموزش داده می‌شود، سپس آشنایی با ابزار Nntool و اسکریپت‌نویسی شبکه عصبی ارائه می‌گردد. در ادامه نحوه اشتغال شبکه‌ها به فضای کاری متلب، بررسی امکانات تکمیلی Nntool و آشنایی با شبکه feed-forward بررسی می‌شود و فصل با جمع‌بندی به پایان می‌رسد.

📄 حجم: ۲.۶۹ مگابایت
📥 دانلود

جلسه هفتم - شبکه‌های عصبی غیرنظارت شده و خوشه‌بندی با ابزار nctool

در این فصل ابتدا تولید دیتا جهت آموزش و معرفی ابزار nctool ارائه می‌شود، سپس ساخت شبکه SOM و اسکریپت‌نویسی آن آموزش داده می‌شود. در ادامه سایر امکانات nctool بررسی می‌گردد و در نهایت با حل یک مثال کاربردی از خوشه‌بندی، فصل به پایان می‌رسد.

📄 حجم: ۲.۹۸ مگابایت
📥 دانلود

📖 جزوه‌ها و خلاصه درس

جزوه‌های تکمیلی و خلاصه درس به زودی در این بخش قرار می‌گیرد.

هنوز جزوه‌ای بارگذاری نشده است.

به زودی این بخش تکمیل خواهد شد.

🎬 آموزش ویدیویی (رایگان)

ویدیوهای آموزشی این درس به صورت کاملاً رایگان برای تمام دانشجویان قابل دسترسی است.

▶️ --:--

در حال آماده‌سازی

ویدیوهای آموزشی به زودی اضافه می‌شوند.

▶️ پخش ویدیو

📝 تمارین و تکالیف

تمرین‌ها به شما کمک می‌کند مباحث هر جلسه را عمیق‌تر درک کنید.

هنوز تمرینی بارگذاری نشده است.

به زودی این بخش تکمیل خواهد شد.

📥 دانلود صورت تمرین 📤 ارسال پاسخ