در حال حاضر محصولی در سبد خرید شما وجود ندارد.
این دوره مقدماتی به الگوریتم توپولوژی تقویت شده است. این دوره مهمترین مفاهیم را مشخص می کند که الگوریتم شسته و رفته را مشخص می کند، جایی که تمرکز بر درک تئوری شبکه های عصبی مصنوعی مبتنی بر الگوریتم مبتنی بر ژنتیک و کاربرد آنها به مشکلات دنیای واقعی، به ویژه در زمینه های رباتیک و کنترل.
این دوره برای افراد از تمام زمینه ها و سطوح دانش در نظر گرفته شده است، همانطور که ساختار یافته است به طوری که هیچ پیش نیازهای پیشرفته ای وجود ندارد. از مفاهیم اساسی شبکه های عصبی به مکانیزم های منحصر به فرد موجود در الگوریتم، سخنرانی ها یک مروری مختصر و کامل از شسته و رفته را فراهم می کند که می تواند توسط هر محقق، دانشگاهی یا خودآمردی قابل درک باشد.
لیست موضوعات تحت پوشش عبارتند از:
معرفی به شبکه های عصبی
مقدمه ای بر الگوریتم های ژنتیک
رمزگذاری
تولید / متقاطع
مشخصات
مشاهده
برنامه
این سری همچنین شامل آموزش در مورد چگونگی پیاده سازی شبکه های عصبی مبتنی بر شسته و رفته خود با استفاده از پیاده سازی پایتون از الگوریتم است. تنها دانش پایه پایتون برای شروع راه اندازی محیط آموزشی و فرآیند تکاملی به طور روتین تولید شبکه های عصبی کارآمد را آغاز می کند. همه چیز مورد نیاز یک ویرایشگر کد ساده و توجه شما است.
توسط محقق دانشگاهی با مدرک پیشرفته تدریس می شود، این دوره شما را به شسته و رفته، از چگونگی استفاده از آن به نحوه استفاده از آن برای تکامل شبکه های عصبی خود آشنا می شود.
عنوان اصلی : NeuroEvolution of Augmenting Topologies NEAT Neural Networks
سرفصل های دوره :
01 نظریه پس زمینه:
001 معرفی به شبکه های عصبی
002 مقدمه ای بر الگوریتم های ژنتیک
02 نظریه شسته و رفته:
001 معرفی به شسته و رفته
002 002 encoding شسته و رفته
003 نوآوری شسته و رفته
004 مشخصات شسته و رفته
005 005 ابعاد شسته و رفته
03 نرم افزار شسته شده:
001 neat-python
NeuroEvolution of Augmenting Topologies NEAT Neural Networks
در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.
