آموزش شبکه عصبی مصنوعی - جلسه سوم | شبکه عصبی چیست؟ (بخش دوم)
ฝัง
- เผยแพร่เมื่อ 8 ก.ย. 2024
- در جلسه سوم دوره شبکه عصبی به این موارد می پردازیم:
✔️ چرا جمع وزنی داریم؟
✔️ بررسی دقیق تر محاسبات در شبکه عصبی
✔️ نحوه انتقال مقادیر در لایه های شبکه عصبی
✔️ مفهوم اولیه تابع فعالسازی (activation function)
✔️ بررسی دقیق تر ویژگی های بایاس در شبکه های عصبی
دوره شبکه عصبی مصنوعی، بخشی از دوره جامع متخصص علم داده (یادگیری ماشین، یادگیری عمیق) است، برای ثبت نام و جزئیات بیشتر روی لینک زیر کلیک کنید:
datayad.com/pr...
لینک زیر رو بزن و سابسکرایب کن
www.youtube.co...
آدرس سایت دیتایاد:
datayad.com/
پیج اینستاگرام:
/ saberkolagar.ir
سایت شخصی:
saberkolagar.ir/
خیلی خوب توضیح دادید، ممنون
awli
معلومه مفهوم رو کامل فهمیدید که به زیبایی ارائه میدید. سپاس
ممنونم🙏🌹
ممنون خسته نباشید
ارادت 🤚 سلامت باشید ❤️
w14,w24,w34,w44 باید داخل ماتریس باشه که جا انداختید
سیگموید برای ما کار نرمالایز هم انجام میده. پس با این حساب میشه دیگه نورمالایز کردن رو بزاریم کنار وقتی داریم از سیگموید در نورال نتورک استفاده میکنیم؟ و یا اگه نورمالایز کنیم از قبل فرقی در ترین کردن ما ایجاد نمیشه؟
یکی از مشکلات بزرگی که سیگموید ایجاد میکنه، محو شدگی گرادیان هست که جلوی آموزش شبکه رو میگیره. درسته مزایای زیادی هم داره، ولی مشکلاتی رو که ایجاد میکنه نباید نادیده بگیریم. بخاطر همین معمولا در لایه های میانی از سیگموید استفاده نمیکنیم و رلو و مشتقات رلو بیشترین استفاده رو دارن.
@@saberkolagar بسیار ممنونم از اینکه صادقانه آموزش میزارید و به پرسش ها جواب میدید.
@@saberkolagar یک سوال دیگه هرچند عجیب. در داخل اس وی ام و ساپورت وکتور کلسیفایر اگه کرنل رو سیگموید انتخاب کنیم باز هم باعث محو شدگی گرادیان میشه؟ و یا خودش کار نرمالایز رو انجام میده؟ اگه آره پس میشه وقتی از کرنل سیگموید استفاده میکنیم دیگه ما نرمالایز نکنیم دیتا رو؟