خانه
شهریور 4, 1399 1404-07-30 21:29خانه
مقالات لب متلب
متریکها ارزیابی در مسائل کلاس بندی
در مساله کلاس بندی چه پارامتر های ارزیابی را باید ارایه دهیم تا عملکرد مدل را به خوبی نشان دهد؟ متریکها ارزیابی در مسائل کلاس بندی
الگوریتم t-SNE چیست؟
الگوریتم t-SNE الگوریتمی برای تصویرسازی و کشف ساختارهای پنهان در دادههای چندبعدی بهمراه کد متلب و پایتون
مکانیزمهای Attention در یادگیری ماشین
در این مقاله، با مفاهیم پایهای Attention، انواع آن، و نحوه عملکرد در مدلهای مختلف آشنا میشوید.
الگوریتمهای بهینه سازی در یادگیری ماشین
معرفی مهمترین الگوریتمهای بهینهسازی یادگیری ماشین (Optimization Algorithms) و توضیح کاربرد آنها در شبکههای کمعمق و عمیق
تفاوت بین Epoch، Batch و Mini-Batch در یادگیری عمیق
در یادگیری ماشین بهخصوص در یادگیری عمیق، مفاهیمی مثل «epoch»، «batch» و «mini-batch» از جمله مفاهیم کلیدی هستند که مستقیماً روی نحوهی آموزش مدل، سرعت همگرایی و دقت نهایی تاثیر میگذارند.
گرادیان کاهشی (Gradient Descent):
گرادیان کاهشی پایه بسیاری از الگوریتمهای بهینه سازی پیشرفته است. با درک درست از مقیاسبندی، نرخ یادگیری، نوع GD میتوانید مدلهای خود را سریعتر و دقیقتر آموزش دهید.
تقویت داده (Data Augmentation) در سیگنال و صوت
به منظور بهبود عملکرد مدل های یادگیری ماشین و جلوگیری از بیشبرازش، افزایش تعمیمپذیری و شبیهسازی تنوع دنیای واقعی استفاده از تقویت داده های صوتی ضرروی است انواع روش های تقویت داده های صوتی:
تقویت داده (Data Augmentation) در بینایی ماشین:
تقویت داده راهکاری موثر برای تضمین عملکرد مدل در محیطهای واقعی (نور کم، زاویههای عجیب، تغییرات آبوهوایی) می باشد. انواع روش های تقویت داده در بینایی ماشین
تفاوت کم برازش و بیش برازش در یادگیری ماشین
دو مفهوم کلیدی که اغلب باعث شکست مدلها میشوند، کم برازش (Underfitting) و بیش برازش (Overfitting) هستند. در این مقاله، به بررسی تفاوت این دو مفهوم میپردازیم
دوره های آموزشی
دوره تخصصی میخوای؟
همین الان تو لُب متلَب جستجو کن...
عضویت در سایت
برای اطلاع از به روزرسانی های سایت در زمینه دوره ها آموزشی، مقالات جدید و کد های فروشگاه،
حساب کاربری ایجاد کنید.
