در این سخنرانی، با مفهوم کلی شبکههای عصبی آشنا میشویم.
شبکههای عصبی به مدلهای الهامگرفته از ساختار مغز انسان معروف هستند و در حل مسائل پیچیدهتری مانند تشخیص الگو و طبقه بندی دادهها موثر هستند. بدین منظور ابتدا با مفهوم نورونها که واحدهای اصلی شبکههای عصبی هستند، و توابع فعالسازی که نقش آنها در انتقال اطلاعات را تعیین میکنند، آشنا میشویم. همچنین نقش و اهمیت وزنها در فرآیند یادگیری نیز مورد بررسی قرار میگیرد. در ادامه، به بررسی شبکههای عصبی پیشرو (Feedforward) میپردازیم. این نوع از شبکهها اطلاعات را از لایه ورودی به لایه خروجی به ترتیب جلب میکنند و برای مسائل مختلف مانند طبقهبندی و پیشبینی مورد استفاده قرار میگیرند. سپس با توابع خطا آشنا خواهیم شد که معیاری برای اندازهگیری عملکرد مدلها هستند. همچنین روشهای بهینهسازی که برای کمینه کردن تابع خطا در فرآیند یادگیری مورد استفاده قرار میگیرند، مورد بررسی قرار میگیرند.
اسلایدهای این ارائه را میتوانید در اینجا ملاحظه کنید.
ویدیوهای سخنرانیهای کارگاه در کانال آپارات انجمن رمز ایران قابل مشاهد است.