مفاهیم اساسی شبکه های عصبی مکرر

شبکه های عصبی مکرر چیست؟ چگونه آنها با معماری های مختلف ساختار می دهند؟ آنها در مقایسه با شبکه های عصبی کانولوشن چه هستند؟ در این دوره، ملزومات سوادآموزی: مفاهیم اصلی شبکه های عصبی مجددا، اصول اولیه و مفاهیم مهم شبکه های عصبی مکرر (RNN) را یاد می گیرید. اول، شما اصول اولیه شبکه های عصبی را به طور کلی کشف خواهید کرد. بعد، اصول اولیه RNNS را کشف کنید، به طور خاص آنچه آنها هستند و به همین دلیل آنها مهم هستند، همراه با انواع مختلف آنها مانند یک به یک، و همچنین معماری مانند LSTM. سپس، شما خواهید آموخت که چگونه یک شبکه عصبی مکرر را با کاربرد عملی با استفاده از Tensorflow ایجاد کنید. در نهایت، شما قوت ها و بهترین شیوه های پیاده سازی RNN را بررسی خواهید کرد. هنگامی که شما با این دوره به پایان رسید، شما مهارت و دانش شبکه های عصبی مکرر مورد نیاز برای ساخت راه حل های مبتنی بر یادگیری ماشین آلات پیشرفته را خواهید داشت.

عنوان اصلی : Literacy Essentials-core Concepts Recurrent Neural Networks

سرفصل های دوره :

01. بررسی دوره:
001. مرور دوره
02. درک ریاضیات پشت سر همبستگی:
002. مقدمه ای بر دوره
003. تشخیص یک نورون
004. Backpropagation در شبکه عصبی
005. نمای کلی دموکراسی از الگوریتم Backpropagation
006. خلاصه
03. درک شبکه عصبی مکرر:
007. مقدمه ای بر RNN
008. BPTT Backpropagation از طریق زمان
009. انواع توابع فعال سازی
010. نسخه ی نمایشی از شبکه عصبی مکرر
011. خلاصه
04. درک تفاوت بین LSTM و GRU:
012. مسائل با RNN
013. lstm vs. gru
014. اجرای نسخه ی نمایشی LSTM و GRU
015. خلاصه
05. پیاده سازی برنامه های مبتنی بر RNN:
016. موارد استفاده از زمان واقعی استفاده از RNN
017. نسخه ی نمایشی با استفاده از RNN برای تجزیه و تحلیل احساسات
018. نسخه ی نمایشی با استفاده از RNN برای نسل متن
019. خلاصه