نتایج جستجو

تطبیق عنوان صفحه

• پیش‌نویس:منحنی یادگیری (یادگیری ماشینی)
  [[پرونده:Learning_Curves_(Naive_Bayes).png|بندانگشتی| نمودار منحنی یادگیری اندازه مجموعه آموزشی در مقابل امتیاز تمرین (کاهش) و امتیاز اعتبار سنجی متقا {{یادگیری ماشین}} ...
  ۷ کیلوبایت (۴۱۹ واژه) - ۱۸ نوامبر ۲۰۲۴، ساعت ۱۴:۴۵
• پیش‌نویس:منحنی یادگیری (یادگیری ماشین)
  [[پرونده:Learning_Curves_(Naive_Bayes).png|بندانگشتی| نمایش منحنی یادگیری اندازه مجموعه آموزشی در مقابل امتیاز آموزشی(کاهش) و امتیاز اعتبار سنجی متقا در [[یادگیری ماشین|یادگیری ماشین(ML)]]، یک '''منحنی یادگیری'''(یا '''منحنی آموزشی''') یک نمایش ترسیمی است که نشان می دهد چگونه عملکرد ی ...
  ۷ کیلوبایت (۳۸۴ واژه) - ۱۹ نوامبر ۲۰۲۴، ساعت ۱۱:۵۰
• منحنی یادگیری (یادگیری ماشین)
  [[پرونده:Learning_Curves_(Naive_Bayes).png|بندانگشتی|نمایش منحنی یادگیری اندازه مجموعه آموزشی در مقابل امتیاز آموزشی(کاهش) و امتیاز اعتبار سنجی متقا در [[یادگیری ماشین|یادگیری ماشین(ML)]]، یک '''منحنی یادگیری'''(یا '''منحنی آموزشی''') یک نمایش ترسیمی است که نشان می دهد چگونه عملکرد ی ...
  ۷ کیلوبایت (۳۶۵ واژه) - ۱۴ مارس ۲۰۲۵، ساعت ۰۱:۴۷
• یادگیری فعال (یادگیری ماشین)
  {{یادگیری ماشین}} '''یادگیری فعال''' یک مورد خاص از [[یادگیری ماشین]] است که در آن یک الگوریتم یادگیری می‌تواند به‌طور تعاملی از کاربر (یا منبع اطلاعاتی دیگر) سؤال کند تا نقاط دا ...
  ۱۲ کیلوبایت (۳۹۹ واژه) - ۲۰ نوامبر ۲۰۲۳، ساعت ۱۶:۳۷
• 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
• 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
• یادگیری اولویتی
  ...BookSources/9780262018258|9780262018258]].</ref> در [[یادگیری نظارت‌شده]]، یادگیری اولویتی دنباله‌هایی از مجموعه عناوینی است که بر اساس عناوین یا عناوین دیگر ...در زمینه هوش مصنوعی است. چندین کارگاه از دهه گذشته تا زمان حال دارند مورد یادگیری اولویتی بحث می‌کنند.<ref>[http://www.preference-learning.org/#Workshops "Pr ...
  ۶ کیلوبایت (۲۶۶ واژه) - ۲۰ ژوئیهٔ ۲۰۲۴، ساعت ۱۵:۳۱
• یادگیری متریک
  .... درسالهای اخیر 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 === یادگیری متریک === ...
  ۳۲ کیلوبایت (۷۳۴ واژه) - ۲۲ نوامبر ۲۰۲۳، ساعت ۰۹:۱۸
• یادگیری نیمه‌نظارتی
  {{یادگیری ماشین}} ...از داده‌های بدون برچسب و داده‌های برچسب‌دار به صورت هم‌زمان برای بهبود دقت یادگیری استفاده می‌شود. ...
  ۶ کیلوبایت (۸۹ واژه) - ۱۳ دسامبر ۲۰۲۳، ساعت ۰۲:۲۸
• یادگیری ویژگی
  {{یادگیری ماشین|Artificial neural network}} ...ودی به صورت داده اولیه یا مجموعه‌ای از ویژگی‌ها داده می‌شود، سپس در یک مدل یادگیری ویژگی، نمایش مناسبی از ویژگی ها ارائه می شود. در آخر می توان از نمایش ویژگی ...
  ۱۷ کیلوبایت (۲۰۴ واژه) - ۲۷ نوامبر ۲۰۲۳، ساعت ۱۷:۵۰
• 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
• یادگیری نظارت‌شده
  {{یادگیری ماشین}} {{See also|یادگیری خودران (خودسازمانده)}} ...
  ۳۳ کیلوبایت (۵۵۴ واژه) - ۱۲ مهٔ ۲۰۲۳، ساعت ۱۹:۵۸
• یادگیری بی‌نظارت
  {{یادگیری ماشین}} {{See also|یادگیری نظارت‌شده}} ...
  ۱۹ کیلوبایت (۶۰۳ واژه) - ۱ ژوئیهٔ ۲۰۲۴، ساعت ۰۸:۵۳
• یادگیری انتقال
  ...توانایی را دارد که به طور قابل توجهی کارایی نمونه یک عامل [[یادگیری تقویتی|یادگیری تقویت کننده را بهبود بخشد.]] <ref name=":1">{{Cite journal|last=George Kari ...novski) و آنته فولگوسی( Ante Fulgosi) مقاله ای را منتشر کردند که صریحاً به یادگیری انتقال در آموزش شبکه های عصبی می پردازد. <ref name=":0"/> ...
  ۱۳ کیلوبایت (۱٬۰۲۰ واژه) - ۱۲ مهٔ ۲۰۲۳، ساعت ۱۹:۴۹
• یادگیری تقویتی
  ...سخ بهینه و یافتن ویژگی‌های آن است و به دنبال جزئیات یادگیری یا تخمین نیست. یادگیری نیروافزوده در [[اقتصاد]] و [[نظریه بازیها]] بیشتر به بررسی تعادل‌های ایجاد ...فاوت اصلی بین روش‌های سنتی و الگوریتم‌های یادگیری نیروافزوده این است که در یادگیری نیروافزوده نیازی به داشتن اطلاعات راجع به فرایند تصمیم‌گیری ندارد و این که ...
  ۴۴ کیلوبایت (۶۸۰ واژه) - ۲۹ ژانویهٔ ۲۰۲۵، ساعت ۰۷:۱۲
• یادگیری تطبیقی
  |داده۱='''یادگیری تطبیقی{{سخ}}Adaptive learning''' '''یادگیری تطبیقی''' (انگلیسی: Adaptive learning) که به عنوان آموزش هوشمند نیز شناخته ...
  ۵ کیلوبایت (۲۱۴ واژه) - ۱۳ دسامبر ۲۰۲۴، ساعت ۱۶:۳۳
• یادگیری گروهی
  = یادگیری گروهی = ...را پیشبینی نمی‌کنند و از نتایج مدل قبل نیز بهره می‌برند. انتظار می‌رود که یادگیری گروهی نتایج بهتری در مقایسه با روش های پیشین که تنها از یک الگوریتم استفاده ...
  ۹ کیلوبایت (۵۲۶ واژه) - ۲ ژوئیهٔ ۲۰۲۳، ساعت ۱۱:۱۷
• یادگیری هب
  '''یادگیری هب''' (به انگلیسی: Hebbian Learning) یکی از اصول اساسی یادگیری در علوم اعصاب و شبکه‌های عصبی مصنوعی است. این قانون در سال ۱۹۴۹ توسط [[دونا == اصول یادگیری هب == ...
  ۴ کیلوبایت (۷۹ واژه) - ۲۶ ژانویهٔ ۲۰۲۵، ساعت ۱۸:۵۰
• یادگیری ماشین
  {{یادگیری ماشین}} ...خاص یاد بگیرند. به عنوان زیر مجموعه‌ای از [[هوش مصنوعی]]، [[الگوریتم]]‌های یادگیری ماشینی یک مدل ریاضی بر اساس داده‌های نمونه یا داده‌های آموزش به منظور پیش‌ب ...
  ۳۵ کیلوبایت (۷۱۹ واژه) - ۱۳ مارس ۲۰۲۵، ساعت ۱۴:۵۹
• یادگیری تقویتی چندعاملی
  {{یادگیری ماشین|Reinforcement learning}} '''یادگیری تقویتی چند عاملی (MARL)''' زیر مجموعه ای از [[یادگیری تقویتی|یادگیری تقویتی است]] . و بر بررسی رفتار [[سامانه چندعاملی|چندین عاملی]] که در یک مح ...
  ۲۰ کیلوبایت (۸۷۹ واژه) - ۱۵ مهٔ ۲۰۲۴، ساعت ۰۴:۴۱

تطبیق متن مقاله

• یادگیری هب
  '''یادگیری هب''' (به انگلیسی: Hebbian Learning) یکی از اصول اساسی یادگیری در علوم اعصاب و شبکه‌های عصبی مصنوعی است. این قانون در سال ۱۹۴۹ توسط [[دونا == اصول یادگیری هب == ...
  ۴ کیلوبایت (۷۹ واژه) - ۲۶ ژانویهٔ ۲۰۲۵، ساعت ۱۸:۵۰
• کوییک پراپ
  ...[روش نیوتن]] الهام گرفته شده‌است. بعضی اوقات، این الگوریتم در گروه روش‌های یادگیری مرتبkszه دوم طبقه‌بندی می‌شود. این روش تقریب درجه دوم از [[گرادیان]] تکرار ...پیاده‌سازی از الگوریتم [[بازگشت به عقب|پس انتشار]] خطا است اما در طول فاز یادگیری شبکه ممکن است که، با توجه به گام‌های بزرگی که برمی‌دارد، با هرج و مرج رفتار ...
  ۲ کیلوبایت (۶۹ واژه) - ۲۰ نوامبر ۲۰۲۳، ساعت ۱۶:۰۵
• یادگیری اکشن مدل
  ...ی‌شود، و نه مدل‌های عمل غیر دقیق به صراحت تصحیح می‌شوند. انگیزه معمول برای یادگیری مدل عملی این است که توصیف دستی مدل‌های عملی برای برنامه ریزان اغلب کار سخت، ...ت و P تابع احتمال تعریف شده روی اعضای D است. با این حال، بسیاری از روش‌های یادگیری فعلی هنر، جبرگرایی را در نظر می‌گیرند و P را القا نمی‌کنند. در کنار جبرگرای ...
  ۶ کیلوبایت (۷۰ واژه) - ۲۰ نوامبر ۲۰۲۳، ساعت ۱۵:۵۲
• ماشین بردار مرتبط
  {{یادگیری ماشین}} ...۰۰۱|دوره=۱|شماره=۱|صفحات=۲۱۱–۲۴۴|نام=آماندا|نام خانوادگی=بارتل|ترجمه عنوان=یادگیری پراکنده بیزی و ماشین بردار مرتبط|عنوان=Sparse Bayesian Learning and the Rel ...
  ۴ کیلوبایت (۱۸۵ واژه) - ۲۷ مارس ۲۰۲۴، ساعت ۱۴:۴۳
• یادگیری اولویتی
  ...BookSources/9780262018258|9780262018258]].</ref> در [[یادگیری نظارت‌شده]]، یادگیری اولویتی دنباله‌هایی از مجموعه عناوینی است که بر اساس عناوین یا عناوین دیگر ...در زمینه هوش مصنوعی است. چندین کارگاه از دهه گذشته تا زمان حال دارند مورد یادگیری اولویتی بحث می‌کنند.<ref>[http://www.preference-learning.org/#Workshops "Pr ...
  ۶ کیلوبایت (۲۶۶ واژه) - ۲۰ ژوئیهٔ ۲۰۲۴، ساعت ۱۵:۳۱
• ماشین یادگیری افراطی
  {{یادگیری ماشین}} ...جانده می شود که اساساً به یادگیری یک مدل به صورت خطی می پردازد. نام "ماشین یادگیری افراطی" توسط مخترع اصلی این مدل گوانگ بن هوانگ داده شد. ...
  ۳ کیلوبایت (۲۶۳ واژه) - ۲۲ اکتبر ۲۰۲۱، ساعت ۲۳:۰۷
• کلاهبرداری کارت اعتباری
  ...ی حساب، بدست می‌آید. این نوع کلاهبرداری توسط هوش مصنوعی و [[یادگیری ماشینی|یادگیری ماشین]] قابل تشخیص و جلوگیری است. ...ینی‌کننده، تراکنش‌های غیر طبیعی را تعیین می‌کند. الگوریتم‌های هوش مصنوعی و یادگیری ماشین دارای خطا در پیشبینی هستند به همین علت از الگوریتم‌هایی مانند GASS و ...
  ۷ کیلوبایت (۱۵۵ واژه) - ۲۰ نوامبر ۲۰۲۳، ساعت ۱۵:۵۲
• یادگیری نیمه‌نظارتی
  {{یادگیری ماشین}} ...از داده‌های بدون برچسب و داده‌های برچسب‌دار به صورت هم‌زمان برای بهبود دقت یادگیری استفاده می‌شود. ...
  ۶ کیلوبایت (۸۹ واژه) - ۱۳ دسامبر ۲۰۲۳، ساعت ۰۲:۲۸
• یادگیری تطبیقی
  |داده۱='''یادگیری تطبیقی{{سخ}}Adaptive learning''' '''یادگیری تطبیقی''' (انگلیسی: Adaptive learning) که به عنوان آموزش هوشمند نیز شناخته ...
  ۵ کیلوبایت (۲۱۴ واژه) - ۱۳ دسامبر ۲۰۲۴، ساعت ۱۶:۳۳
• نظریه یادگیری آماری
  ...ستنباط آماری]] یافتن یک تابع پیش بینی بر اساس داده ها سر و کار دارد. تئوری یادگیری آماری منجر به کاربردهای موفقی در زمینه هایی مانند [[بینایی رایانه ای|بینایی ...موزش یک جفت ورودی-خروجی است، جایی که ورودی به یک خروجی نگاشت می شود. مسئله یادگیری شامل استنباط تابعی است که بین ورودی و خروجی نگاشت می شود، به طوری که تابع آ ...
  ۸ کیلوبایت (۲۸۹ واژه) - ۲۰ نوامبر ۲۰۲۳، ساعت ۱۵:۵۲
• رگرسیون دوجمله‌ای
  ...تفاوت اصلی در انگیزه نظری است (به مقایسه مراجعه کنید). در [[یادگیری ماشین|یادگیری ماشینی]]، رگرسیون دوجمله‌ای یک مورد خاص از طبقه‌بندی احتمالی و در نتیجه تعم ...
  ۲ کیلوبایت (۲۱ واژه) - ۲۲ سپتامبر ۲۰۲۴، ساعت ۱۲:۵۳
• قانون اویا
  ...وش مصنوعی]] میزان قدرت پیوندها را چگونه تغییر می‌دهند یا چگونه در طول زمان یادگیری انجام می‌دهند. این قانون تغییر یافته قانون استاندارد Hebb می‌باشد. این قانو که در معادله فوق <math>\mu </math>همان نرخ یادگیری (learning rate) می‌باشد که می‌تواند در طول زمان تغییر کند و ثابت نباشد. نکت ...
  ۳ کیلوبایت (۱۰۳ واژه) - ۱۰ ژوئن ۲۰۲۱، ساعت ۲۲:۵۱
• اتلاف هینج
  ...ته باشید که تابع هینج پیشبینی {{ریاضی|''y'' <1}} را برپایهٔ حاشیه در ماشین یادگیری پشتیبان جریمه می‌کند.]] در [[یادگیری ماشین]] تابع '''اتلاف هینج''' یک [[تابع هزینه]] است که برای آموزش [[طبقه‌بن ...
  ۲ کیلوبایت (۱۰۹ واژه) - ۱۱ سپتامبر ۲۰۱۸، ساعت ۱۳:۱۶
• پیش‌نویس:حداقل سازی ریسک تجربی
  ...جربی (ERM) یک اصل در تئوری یادگیری آماری است که خانواده ای از الگوریتم های یادگیری را تعریف می کند و برای ارائه محدودیت های نظری بر عملکرد آنها استفاده می شود وضعیت زیر را در نظر بگیرید، که مجموعه ای کلی از بسیاری از مشکلات یادگیری تحت نظارت است.ما دو فضای از اشیاء X و Y داریم و می خواهیم یک تابع را یاد ب ...
  ۶ کیلوبایت (۲۰۶ واژه) - ۲۱ نوامبر ۲۰۲۲، ساعت ۱۵:۴۱
• خودبازی (هوش مصنوعی)
  {{یادگیری ماشین|Reinforcement learning}} '''خودبازی''' روشی است برای بهبود عملکرد عامل‌های [[یادگیری تقویتی]]. به‌طور شهودی، عوامل یادمی‌گیرند که با بازی کردن «در مقابل خودشان» ...
  ۶ کیلوبایت (۳۰۶ واژه) - ۲۰ مهٔ ۲۰۲۴، ساعت ۰۴:۰۷
• 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
• یک داغ
  در [[الکترونیک دیجیتال|مدارهای دیجیتال]] و [[یادگیری ماشینی|یادگیری ماشین]]، '''یکِ‌داغ''' یا '''یک بارز''' یا '''تک‌نمود''' گروهی از میان [[بی === یادگیری ماشین و علوم آماری === ...
  ۵ کیلوبایت (۱۸۶ واژه) - ۲۶ ژانویهٔ ۲۰۲۳، ساعت ۱۲:۴۹
• منحنی یادگیری (یادگیری ماشین)
  [[پرونده:Learning_Curves_(Naive_Bayes).png|بندانگشتی|نمایش منحنی یادگیری اندازه مجموعه آموزشی در مقابل امتیاز آموزشی(کاهش) و امتیاز اعتبار سنجی متقا در [[یادگیری ماشین|یادگیری ماشین(ML)]]، یک '''منحنی یادگیری'''(یا '''منحنی آموزشی''') یک نمایش ترسیمی است که نشان می دهد چگونه عملکرد ی ...
  ۷ کیلوبایت (۳۶۵ واژه) - ۱۴ مارس ۲۰۲۵، ساعت ۰۱:۴۷
• هسته تابع پایه شعاعی
  ...تابع پایه شعاعی'''، یا هسته RBF، یک تابع هسته محبوب است که در الگوریتم‌های یادگیری مختلف هسته ای استفاده می‌شود. به‌طور خاص، معمولاً در [[دسته‌بندی ماشین بردا [[رده:روش‌های هسته برای یادگیری ماشین]] ...
  ۳ کیلوبایت (۱۷۲ واژه) - ۲۰ نوامبر ۲۰۲۳، ساعت ۱۶:۲۰
• الگوریتم اکثریت وزن‌دار
  ...لوم کامپیوتر)|مجموعه‌ای]] از الگوریتم‌های پیش‌بینی، اعم از هر نوع الگوریتم یادگیری، طبقه‌بندی‌کننده یا حتی متخصصان واقعی انسانی، استفاده می‌شود.<ref name="LW9 [[رده:الگوریتم‌های یادگیری ماشین]] ...
  ۴ کیلوبایت (۵۲ واژه) - ۲۰ نوامبر ۲۰۲۳، ساعت ۱۶:۰۵