مجموعه فیلم های آموزش گام به گام شبکه های عصبی در متلب – از ایده تا کد

شبکه عصبی مصنوعی چیست:

یک شبکه عصبی مصنوعی (Artificial Neural Network – ANN) ایده ای برای پردازش اطلاعات است که از سیستم عصبی زیستی الهام گرفته و مانند مغز به پردازش اطلاعات می‌پردازد. عنصر کلیدی این ایده، ساختار جدید سیستم پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق العاده بهم پیوسته به نام نورون‌ها (neurons) تشکیل شده که برای حل یک مسئله با هم هماهنگ عمل می‌کنند. شبکه‌های عصبی مصنوعی نیز مانند انسان‌ها با مثال یاد می گیرند و یک شبکه عصبی برای انجام وظیفه‌های مشخص مانند شناسایی الگوها و دسته بندی اطلاعات، در طول یک پروسه یاد گیری تنظیم می‌شود. در سیستم‌های زیستی، یاد گیری با تنظیماتی در اتصالات سیناپسی که بین اعصاب قرار دارد همراه است. از این روش در شبکه‌های عصبی نیز استفاده می‌شود.

شبکه های عصبی مصنوعی با پردازش داده‌های تجربی، دانش یا قانون نهفته در ورای داده‌ها را به ساختار شبکه منتقل می‌کند که به این عمل یادگیری می‌گویند. اصولاً توانایی یادگیری مهمترین ویژگی یک سیستم هوشمند است. سیستمی که قابلیت یادگیری داشته باشد، منعطف تر است وساده تر برنامه‌ریزی می‌شود، بنابراین بهتر می‌تواند در مورد مسایل و معادلات جدید پاسخگو باشد.

کاربردهای شبکه های عصبی

• تخمین توابع
• کلاس بندی داده ها
• کنترل کننده های هوشمند
• شناسایی سیستم های دینامیکی
• و …

در این مجموعه آموزشی درس شبکه های عصبی مصنوعی با زبانی ساده و به صورت کامل آموزش داده می شود.این مجموعه در ۱۸ قسمت تهیه شده است.این آموزش از سطح مبتدی و برای کسانی که نمی دانند شبکه عصبی چیست شروع می شود تا پیچیده ترین بخش ها که به راحتی می توان با استفاده از آن مطالب پایان نامه های ارشد را به انجام رساند.

سعی شده است که پس از آموزش ساختارهای شبکه عصبی به صورت تئوری و توضیح کامل مراحل آموزش شبکه ها، به صورت عملی یک شبکه عصبی را از ابتدا درMATLAB  پیاده سازی نماییم.

خود را به منبع محدود نکرده ایم و با استفاده از منابع مختلف و معتبر مطالب مفید با زبان ساده تر را انتخاب کردیم و در پکیجی به صورت یک دوره خدمتتان ارائه داده ایم. در این دوره پس از اتمام هر درس در زبان متلب  هم به صورت کد پایه ای و هم به صورت استفاده از جعبه ابزار های متلب مثال های کاربردی را پیاده سازی خواهیم کرد و کاربران می توانند سوالات خود را در آخر هر بخش مطرح کنند و یا اگر در برنامه نویسی مشکلی داشتند برای رفع مشکل پیغام بگذارند. برای نشان دادن اینکه شبکه های عصبی در هر زبانی به راحتی قابل پیاده سازی است در برخی بخش ها آموزش هایی با زبان پایتون هم خدمتتان قرار می دهیم.

در طول درس ابتدا به ایده کلی و دلیل استفاده از این نوع شبکه اشاره خواهیم کرد و سپس با الگو برداری از شبکه های عصبی مغز انسان، شبکه ی عصبی مصنوعی ساده ای را می سازیم.

سرفصل ها ی آموزش:

مقدمه

شبکه‌های عصبی بیولوژیکی

شبکه‌های عصبی چند لایه و نحوه‌ی عملکرد آنها

آموزش شبکه‌های عصبی

توابع فعالساز

شبکه‌های عصبی انعطاف پذیر

توابع شعاعی RBF

شبکه‌های عصبی برگشتی و حافظه دار

شبکه‌های عصبی GMDH

شبکه‌های عصبی مدل مخچه

شبکه‌عصبی پویا

شبکه‌های عمیق

شبکه‌های عصبی کانولوشن عمیق CNN

شبکه‌های عصبی SOM

شبکه‌های عصبی LVQ

شبکه‌های عصبی بولتزمن RBM

شبکه‌های عصبی خود رمزگذار Autoencoder

آموزش پیاده سازی و اجرای شبکه های عصبی توسط Neupy

که به غیر از فصل‌های اول و دوم که در یک جلسه گفته‌خواهند شد، بقیه هر یک به صورت مجزا در یک جلسه توضیح‌داده خواهند شد و کد مربوط به آن‌ها برای پیاده‌سازی ارائه و توضیح‌داده می‌شود.

برای کتاب می توانید کتاب شبکه های عصبی و کنترل کننده های عصبی پیشرفته نوشته ی دکتر تشنه لب ، استاد دانشگاه صنعتی خواجه نصیر رو به زبان فارسی تهیه کتید. به دلیل حمایت از نویسنده لینک دانلودی برای این کتاب قرار داده نمی شود.

کتاب های انگلیسی به دلیل عدم امکان دسترسی به آن ها در ایران، لینک دانلودشان قرار داده می شود.

این مجموعه آموزشی بسیار مناسب برای محققین در زمینه پیادگیری ماشین و شبکه عصبی و نیز دانشجویان در مقاطع کارشناسی، کارشناسی ارشد و دکتری می‌باشد که قصد تهیه مقاله و پایان‌نامه در زمیمنه شبکه عصبی دارند.

با تشکر