نتایج جستجو

تطبیق عنوان صفحه

• یادگیری تقویتی عمیق
  ...چه کارهایی انجام دهند (مثلاً به حداکثر رساندن امتیاز بازی). یادگیری تقویت عمیق برای مجموعه متنوعی از برنامه‌ها از جمله [[رباتیک]]، [[بازی ویدئویی|بازی‌های === یادگیری عمیق === ...
  ۳۲ کیلوبایت (۱٬۷۰۹ واژه) - ۱۵ مهٔ ۲۰۲۴، ساعت ۰۴:۴۲
• ترنسفورمر (یادگیری عمیق)
  {{یادگیری ماشین| شبکه عصبی مصنوعی}} [[پرونده:The-Transformer-model-architecture.png|بندانگشتی|ترنسفورمرها (یادگیری ماشین)]] ...
  ۲۹ کیلوبایت (۸۸۶ واژه) - ۲۳ دسامبر ۲۰۲۴، ساعت ۱۶:۰۰
• یادگیری عمیق سنتز گفتار
  ...دیل سخن به امواج و بالعکس|رمزگذارهای صوتی]]) استفاده می‌کند. شبکه‌های عصبی عمیق با استفاده از حجم زیادی از گفتار ضبط شده و در مورد سیستم متن به گفتار، برچس ...ندهٔ عمیق از شکل موج‌های صوتی خام، که نشان می‌دهد مدل‌های مبتنی بر یادگیری عمیق قادر هستند شکل موج‌های خام را مدل‌سازی کنند و از روی مشخصه‌های آکوستیک، مان ...
  ۱۲ کیلوبایت (۴۵۲ واژه) - ۱۶ مارس ۲۰۲۳، ساعت ۰۲:۲۰
• پیش‌نویس:سنتز گفتار یادگیری عمیق
  {{یادگیری ماشین}}'''(این مقاله در حال ترجمه از ویکی انگلیسی است''' ...دیل سخن به امواج و بالعکس|رمزگذارهای صوتی]]) استفاده می‌کند. شبکه های عصبی عمیق با استفاده از حجم زیادی از گفتار ضبط شده و در مورد سیستم متن به گفتار، برچس ...
  ۱۲ کیلوبایت (۴۲۲ واژه) - ۱۱ مارس ۲۰۲۳، ساعت ۱۷:۴۷

تطبیق متن مقاله

• شبکه باور عمیق
  {{یادگیری ماشین|Artificial neural network}} [[File:Deep belief net.svg|thumb|Deep belief net|ساختار کلی یک شبکه باور عمیق]] ...
  ۵ کیلوبایت (۱۴۸ واژه) - ۲۲ فوریهٔ ۲۰۲۴، ساعت ۱۲:۰۸
• XGBoost
  | genre = [[یادگیری ماشین]] ...</ref> این [[الگوریتم انتخاب]] بسیاری از تیم‌های برندهٔ شماری از رقابت‌های یادگیری ماشین بود و محبوبیت و توجه زیادی به دست آورده‌است.<ref name="xgboost-compet ...
  ۸ کیلوبایت (۵۸۷ واژه) - ۱۳ مارس ۲۰۲۵، ساعت ۰۸:۱۰
• مدل سازنده
  در [[یادگیری ماشینی|یادگیری ماشین]]، به طور کلی دو نوع اصلی از مدل‌ها وجود دارند: '''[[:en:Discriminati == مدل‌های سازنده عمیق == ...
  ۱۲ کیلوبایت (۵۸۶ واژه) - ۲۰ نوامبر ۲۰۲۳، ساعت ۱۵:۵۲
• نرخ یادگیری
  {{یادگیری ماشین}}<templatestyles src="Nobold/styles.css" /> ...یادگیری ماشین به چه سرعتی «یادمی‌گیرد». در ادبیات [[کنترل تطبیقی]]، به نرخ یادگیری '''بهره''' گفته می‌شود.<ref>{{cite journal|last=Delyon|first=Bernard|date=2 ...
  ۱۲ کیلوبایت (۶۳۶ واژه) - ۲۰ نوامبر ۲۰۲۳، ساعت ۱۵:۵۲
• ماشین بولتسمان
  ...]](به انگلیسی: Boltzmann Machine) مدلی برای [[یادگیری خودران (خودسازمانده)|یادگیری خودران]] است. این مدل نوعی از [[شبکه عصبی]] با ارتباطات بدون جهت است. دلیل ...ع نمونه‌گیری آنها استفاده می‌شود. نوع عمومی‌تر این مدل در [[یادگیری ماشینی|یادگیری ماشین]]، [[مدل مبتنی بر انرژی|مدل‌های مبتنی بر انرژی]] هستند.<ref>{{cite bo ...
  ۶ کیلوبایت (۳۰۷ واژه) - ۲۰ نوامبر ۲۰۲۳، ساعت ۱۵:۵۲
• یکسوساز (شبکه عصبی)
  ...ز در حال حاضر از پرطرفدارترین توابع فعال‌سازی برای [[یادگیری عمیق|شبکه‌های عمیق]] است.<ref>{{Cite journal|last=Ramachandran|first=Prajit|last2=Zoph|first2= ...انه‌ای|بینایی کامپیوتر]] و [[بازشناسی گفتار]] توسط [[یادگیری عمیق|شبکه‌های عمیق]] کاربرد دارند.<ref>{{Cite journal|last=Zeiler|first=Matthew D.|last2=Ranza ...
  ۱۲ کیلوبایت (۵۲۳ واژه) - ۱۸ ژانویهٔ ۲۰۲۳، ساعت ۱۷:۴۴
• کیو-یادگیری
  [[پرونده:QLearning World.png|بندانگشتی|تکنبک یادگیری تقویتی کیو_یادگیری به روس ریاضیاتی]] ...-یادگیری تأخیری انجام شده که بهبود قابل توجهی ایجاد نموده‌است. در روش اخیر یادگیری PAC با فراینده‌های تصمیم مارکوف ترکیب شده‌اند.<ref>Alexander L. Strehl, Lih ...
  ۱۷ کیلوبایت (۷۹۱ واژه) - ۲۷ ژانویهٔ ۲۰۲۵، ساعت ۰۲:۴۳
• یادگیری عمیق سنتز گفتار
  ...دیل سخن به امواج و بالعکس|رمزگذارهای صوتی]]) استفاده می‌کند. شبکه‌های عصبی عمیق با استفاده از حجم زیادی از گفتار ضبط شده و در مورد سیستم متن به گفتار، برچس ...ندهٔ عمیق از شکل موج‌های صوتی خام، که نشان می‌دهد مدل‌های مبتنی بر یادگیری عمیق قادر هستند شکل موج‌های خام را مدل‌سازی کنند و از روی مشخصه‌های آکوستیک، مان ...
  ۱۲ کیلوبایت (۴۵۲ واژه) - ۱۶ مارس ۲۰۲۳، ساعت ۰۲:۲۰
• پیش‌نویس:سنتز گفتار یادگیری عمیق
  {{یادگیری ماشین}}'''(این مقاله در حال ترجمه از ویکی انگلیسی است''' ...دیل سخن به امواج و بالعکس|رمزگذارهای صوتی]]) استفاده می‌کند. شبکه های عصبی عمیق با استفاده از حجم زیادی از گفتار ضبط شده و در مورد سیستم متن به گفتار، برچس ...
  ۱۲ کیلوبایت (۴۲۲ واژه) - ۱۱ مارس ۲۰۲۳، ساعت ۱۷:۴۷
• یادگیری متریک
  ...ر مفهوم یادگیری عمیق و یادگیری متریک باهم ترکیب شدند و مفهوم یادگیری متریک عمیق به منظور کاربردهای درک بصری مطرح شد که از رویکرد هسته (به [[زبان انگلیسی|ان === یادگیری متریک === ...
  ۳۲ کیلوبایت (۷۳۴ واژه) - ۲۲ نوامبر ۲۰۲۳، ساعت ۰۹:۱۸
• تابع هزینه تریپلت
  ...ی|شبکه عصبی]] که در آن از تابع هزینه تریپلت، استفاده شده باشد، می‌تواند با یادگیری یک [[بردار ویژگی]] فشرده عملکرد بسیار خوبی در مسائل چند کلاسه همچون بازیابی ...اصله از آن‌ها قرار بگیرند. این تابع هزینه، مستقیماً یک [[شبکه عصبی پیچشی]] عمیق را بهینه‌سازی می‌کند و بردارهای ویژگی را به گونه‌ای تولید می‌کند که تصاویر ...
  ۲۲ کیلوبایت (۴۴۹ واژه) - ۲۰ نوامبر ۲۰۲۳، ساعت ۱۶:۰۵
• گرادیان محوشونده
  ...ی عصبی مصنوعی]] (و به خصوص شبکه‌های عصبی عمیق) ممکن است رخ دهد و باعث توقف یادگیری مدل می‌شود. در روش [[پس‌انتشار]]، در طول هر تکرار تمرین، وزن‌های شبکه عصبی ...ل‌هایی برای این مشکل سبب رشد چشم‌گیر استفاده [[یادگیری ژرف|شبکه‌های مصنوعی عمیق]] شد. ...
  ۱۲ کیلوبایت (۶۹۸ واژه) - ۲۵ نوامبر ۲۰۲۳، ساعت ۱۲:۰۱
• ماشین بولتزمن محدود شده
  {{یادگیری ماشین|Artificial neural network}} ...سته کاربرد، آنها را می‌توان به دو روش [[یادگیری نظارت‌شده|تحت نظارت]] یا [[یادگیری بی‌نظارت|بدون نظارت]] آموزش داد. ...
  ۱۴ کیلوبایت (۹۵۵ واژه) - ۵ فوریهٔ ۲۰۲۴، ساعت ۱۹:۵۹
• یادگیری تقویتی عمیق
  ...چه کارهایی انجام دهند (مثلاً به حداکثر رساندن امتیاز بازی). یادگیری تقویت عمیق برای مجموعه متنوعی از برنامه‌ها از جمله [[رباتیک]]، [[بازی ویدئویی|بازی‌های === یادگیری عمیق === ...
  ۳۲ کیلوبایت (۱٬۷۰۹ واژه) - ۱۵ مهٔ ۲۰۲۴، ساعت ۰۴:۴۲
• یادگیری مشابه
  ...این است که میزان شباهت یا مرتبط بودن دو شی را اندازه‌گیری کند. کاربرد این یادگیری در زمینه‌هایی اعم از [[رتبه‌بندی]]، در [[سامانه توصیه‌گر|سیستم‌های توصیه]]، همچنین یادگیری مشابه از نظرهای زیادی مرتبط با [[تحلیل رگرسیون]] و [[طبقه‌بندی آماری]] است. ...
  ۱۵ کیلوبایت (۸۱۳ واژه) - ۱۳ مارس ۲۰۲۵، ساعت ۱۴:۲۳
• نظریه یادگیری محاسباتی
  ...و [[بوستینگ]] انجامیدند. این نظریه به تحلیل [[پیچیدگی زمانی]] الگوریتم‌های یادگیری نیز می‌پردازد.<ref>{{ cite journal | title=Computational learning theory: S ...د و معیاری طبیعی برای پیچیدگی فضای فرضیه‌ای که تعداد نمونه‌های آموزشی برای یادگیری استقرایی را محدود می‌کند، تعریف می‌کنیم. ...
  ۱۹ کیلوبایت (۴۷۳ واژه) - ۱۲ دسامبر ۲۰۲۳، ساعت ۱۷:۴۲
• توزیع برنولی پیوسته
  ...۲۵ نوامبر ۲۰۲۰ }}</ref> در [[نظریه احتمالات]]، [[آمار]] و [[یادگیری ماشینی|یادگیری ماشین]]، خانواده‌ای از [[توزیع احتمال|توزیع‌های احتمال]] پیوسته‌است که توسط توزیع پیوسته برنولی در [[یادگیری عمیق]] و [[بینایی رایانه‌ای]]، به‌ویژه در زمینه رمزگذارهای خودکار متغیر<ref>King ...
  ۸ کیلوبایت (۵۲۸ واژه) - ۱۳ فوریهٔ ۲۰۲۴، ساعت ۲۰:۱۹
• شبکه عصبی باقی‌مانده
  ...ه اولین شبکه بسیار عمیق [[شبکه عصبی پیشخور|پیشخور]] با هزاران لایه و بسیار عمیق‌تر از شبکه‌های قبلی است. در این نوع از شبکه عصبی معمولا از لایه های پرشی و ...برای کاهش مشکل تخریب (اشباع دقت). که در آن افزودن لایه های بیشتر به یک مدل عمیق مناسب منجر به خطای آموزشی بالاتر می شود. در طول تمرین (training) شبکه، وزن‌ ...
  ۱۴ کیلوبایت (۷۵۲ واژه) - ۱۷ فوریهٔ ۲۰۲۴، ساعت ۰۱:۵۳
• الکس نت
  معماری بر تعداد زیادی از کارهای بعدی در [[یادگیری عمیق]] ، به ویژه در کاربرد [[شبکه عصبی مصنوعی|شبکه های عصبی]] در [[بینایی رایانه AlexNet شامل هشت [[لایه (یادگیری عمیق)|لایه]] است: پنج لایه اول لایه های [[هم‌گشت|کانولوشن]] هستند، برخی از آنها ...
  ۱۸ کیلوبایت (۱٬۰۸۹ واژه) - ۱۲ دسامبر ۲۰۲۴، ساعت ۱۰:۵۴
• آزمون مربع کای
  ...در علوم کامپیوتر به خصوص مبحث [[یادگیری ماشینی|یادگیری ماشین]] و [[یادگیری عمیق]] است. ...
  ۷ کیلوبایت (۱۹۳ واژه) - ۱۷ ژوئن ۲۰۲۴، ساعت ۰۷:۲۵