نتایج جستجو

...نشان داده شده است. بالا سمت چپ: ورودی (قرمز) و هدف (آبی)، به عنوان [[کلمه (معماری رایانه)|کلمات]] 5 بیتی و سیگنال وقفه 1 بیتی. بالا سمت راست: خروجی مدل.]] ...وتر عصبی دیفرانسیل‌پذیر''' ( '''DNC''' ) یک معماری [[شبکه عصبی مصنوعی|شبکه عصبی]] تقویت‌شده حافظه (MANN) است که معمولاً (اما نه همیشه) به صورت بازگشتی پیاد ...

...عصبی مصنوعی]] است که از [[مدل سازنده|روش سازنده]] استفاده می‌کند. این شبکه عصبی مصنوعی شامل یک لایه از متغیرهای دیده شده و چندین لایه شامل متغیرهای دیده نش ...یق یه عنوان راه‌حلی معرفی شد تا بتواند مشکلاتی را که قبل از آن در شبکه‌های عصبی وجود داشتند (مانند مدت زمان زیاد یادگیری، رسیدن به کمینه‌های محلی به دلیل ا ...

'''شبکه عصبی گرافی''' (GNN) یک کلاس از [[شبکه عصبی مصنوعی|شبکه‌های عصبی مصنوعی]] برای پردازش داده‌ها است که می‌تواند به صورت یک [[گراف]] نمایش داده ...فورمرها]]، در زمینه [[پردازش زبان‌های طبیعی]]، می‌توانند به‌عنوان شبکه‌های عصبی گرافی دیده شوند که برای گراف کاملی که گره‌های آن‌ها کلمات در یک جمله هستند ...

{{DISPLAYTITLE:شبکه عصبی باقی‌مانده}} ...تی|نمودار تابع هزینه برای زمان تمرین (training) و زمان تست (test) یک شبکه عصبی مستقیم (بدون لایه پرشی) که نشان‌دهنه این است که هرچه تعداد لایه‌ها افزایش پ ...

...ودی، یک لایه پنهان و یک لایه خروجی. به جز گره‌های ورودی، هر گره یک [[یاخته عصبی|نورون]] است که از یک [[تابع فعال‌سازی]] غیر خطی استفاده می‌کند.MLP از تکنیک ...اتصالات ورودی است. توابع فعال‌سازی جایگزین، از جمله توابع [[یکسوساز (شبکه عصبی)]]<nowiki/> پیشنهاد شده‌است. توابع فعال‌سازی بیشتر تخصصی شامل [[توابع پایه ...

...گاهی اوقات '''شبکه عصبی دوقلو''' نامیده می‌شود) یک [[شبکه عصبی مصنوعی|شبکه عصبی مصنوعی است]] که از وزن‌های یکسانی استفاده می‌کند در حالی که روی دو بردار ور می‌توان یک معماری ساخت که از لحاظ عملکردی شبیه به یک شبکه سیامی باشد، اما عملکرد کمی متفاوت ر ...

...''آدالاین‌'''</big>'''( نورون خطی تطبیقی ​​یا عنصر خطی تطبیقی )''' یک شبکه عصبی مصنوعی تک لایه و نام دستگاهی است که این شبکه را پیاده سازی کرده است. شبکه ا آدالاین یک شبکه عصبی تک لایه با چندین گره است که هر گره چندین ورودی را می پذیرد و یک خروجی تولید ...

...کوتاه مدت''' ( Long short-term memory یا به اختصار LSTM) یک معماری [[شبکه عصبی بازگشتی]] است که در سال ۱۹۹۷ میلادی توسط [[سپ هوخرایتر]] و [[یورگن اشمیدهوب ...‌تواند به صورت دنباله (مثل صوت یا ویدیو) باشد. این ویژگی باعث شده شبکه‌های عصبی بازگشتی برای پردازش داده‌های زمانی بسیار مناسب باشند زیرا الگوها در داده‌ها ...

...لکرد بسیار خوبی در مسائل چند کلاسه همچون بازیابی تصویر داشته باشد. به شبکه عصبی که در آن از تابع هزینه تریپلت استفاده شده باشد، شبکه تریپلت(انگلیسی: Triple ...ت در حداکثر فاصله از آن‌ها قرار بگیرند. این تابع هزینه، مستقیماً یک [[شبکه عصبی پیچشی]] عمیق را بهینه‌سازی می‌کند و بردارهای ویژگی را به گونه‌ای تولید می‌ک ...

'''AlexNet''' نام یک معماری [[شبکه عصبی پیچشی|شبکه عصبی کانولوشن]] (CNN) است که توسط Alex Krizhevsky با همکاری [[ایلیا ساتسکیور|Ily AlexNet اولین شبکه عصبی کانولوشنی پیاده‌سازی شده سریع با GPU نبود که در مسابقه تشخیص تصویر برنده شد ...

...Infinitely_wide_neural_network.webm|بندانگشتی|406x406پیکسل|سمت چپ: یک شبکه عصبی بیزی با دو لایه پنهان، که یک ورودی سه بعدی (پایین) را به یک خروجی دو بعدی ت ...Conference on Machine Learning-Volume 70|arxiv=1706.04599}}</ref> شبکه‌های عصبی بیزی می‌توانند با دقت بیشتری و به صورت غیر قطعی احتمال درست بودن پیش‌بینی‌ه ...

...خاموش» (۰) باشد. این مشابه [[پرسپترون]] خطی در [[شبکه عصبی مصنوعی|شبکه‌های عصبی]] است. با این حال، تنها توابع فعال‌سازی غیرخطی به چنین شبکه‌هایی اجازه می‌د == طبقه‌بندی توابع فعالسازی در شبکه‌های عصبی == ...

...زه‌ای''' ('''GRUs''') یک مکانیسم دروازه‌ای در [[شبکه عصبی بازگشتی|شبکه‌های عصبی بازگشتی]] هستند که در سال ۲۰۱۴ توسط کیونگ‌هیون چو و همکارانش ایجاد شدند.<re == معماری == ...

...2024)">چه زمانی؟</span>]]'' &#x5D;</sup> 60 میلیون پارامتر و 650000 [[سلول عصبی مصنوعی|نورون]] داشت. <ref name=":0">{{Cite journal|last=Krizhevsky|first=Al ...ی بعدی در [[یادگیری عمیق]] ، به ویژه در کاربرد [[شبکه عصبی مصنوعی|شبکه های عصبی]] در [[بینایی رایانه‌ای|بینایی کامپیوتر]] ، تأثیر گذاشت. ...

...'خودرمزگذار متغیر''' {{به انگلیسی|Variational autoencoder}}، یک نوع [[شبکه عصبی مصنوعی]] است که متعلق به خانواده‌های == معماری == ...

...این گونه شبکه‌ها تا حدودی الهام‌گرفته از شیوهٔ کارکرد [[سامانه عصبی|سیستم عصبی زیستی]] برای [[پردازش داده‌ها]] و [[اطلاعات]] به منظور یادگیری و ایجاد [[دا ...باشند. این شبکه‌ها قادر به یادگیری‌اند؛ مثلاً با اعمال سوزش به [[سلول‌های عصبی]] لامسه، سلول‌ها یادمی‌گیرند که به طرف جسم داغ نروند و با این الگوریتم سیست ...

...[یادگیری خودران (خودسازمانده)|یادگیری خودران]] است. این مدل نوعی از [[شبکه عصبی]] با ارتباطات بدون جهت است. دلیل جذابیت ماشین‌ بولتسمان، محلی بودن الگوریتم [[رده:معماری شبکه‌های عصبی]] ...

{{اشتباه نشود|شبکه‌های عصبی بازگشت‌پذیر}} ...ر پویای موقتی را به نمایش بگذارد. برخلاف شبکه‌های عصبی رو به جلو، شبکه‌های عصبی مکرر می‌توانند از وضعیت درونی خود برای پردازش دنباله‌ی ورودی‌ها استفاده کنن ...

...اه تبدیل 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، ...r=(مخفف: voice coder) دستگاه تبدیل سخن به امواج و بالعکس|رمزگذارهای صوتی]] عصبی فرستاده می‌شود. برای تولیدکنندهٔ ویژگی صوتی، [[تابع هزینه|تابع زیان]] معمول ...

[[پرونده:FeedForwardNN.png|بندانگشتی|چپ|400x400پیکسل|در شبکه عصبی پیشخور اطلاعات فقط در یک جهت حرکت می‌کنند.]] ...را تشکیل نمی‌دهند. در واقع این شبکه متفاوت از [[شبکه عصبی بازگشتی|شبکه‌های عصبی بازگشتی]] می‌باشد. ...