خانه
شهریور 4, 1399 1405-06-06 13:30خانه
دوره های آموزشی
مقالات لب متلب
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
لیست مجاورت
لیست مجاورت یک ساختار داده است برای نمایش گراف‌ها که هر رأس (گره) گراف، لیستی از رأس‌های مجاور خود (یعنی رأس‌هایی که با آن یال دارند) را ذخیره می‌کند.
روش های انتخاب ویژگی
انتخاب ویژگی (Feature Selection) فرآیندی با هدف شناسایی و نگه‌داری مهم‌ترین و مرتبط‌ترین ویژگی‌ها و حذف ویژگی‌های غیرضروری بهمنظور بهبود عملکرد مدل، کاهش پیچیدگی و افزایش کارایی
داده های گرافی چیست ؟
داده های گرافی چیست و چه نوع داده های قابل تعریف توسط گراف هستند. مفهوم بازنشناسی گراف در سطح گره، یال و گراف
گراف چیست؟
گراف و انواع ماتریس های مربوط به یک گراف که باید بشناسیم تا به درک بهتری از داده های گرافی و شبکه های گرافی دست یابیم.
راهنمای سریع شبکه عصبی بازگشتی (RNN)
برای یادگیری شبکه های بازگشتی GRU,LSTM شناخت کامل الگوی اولیه همان شبکه عصبی RNN الزایست، بررسی فرمول ها
RCNN: شبکه عصبی کانولوشنی مبتنی بر ناحیه
RCNN: شبکه عصبی کانولوشنی مبتنی بر ناحیه
در دنیای هوش مصنوعی و بینایی رایانه، تشخیص اشیاء (Objec…
راهنمای کامل عملیات کانولوشن در یادگیری عمیق
معرفی انواع عملگر های کانولوشنی ، توضیح نحوه عملکرد و مزایا و معایبشان و کاربرد آن در پردازش های داده های دو بعدی و تک بعدی
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.
