Artificial Intelligence - هوش مصنوعی  
انجمن را در گوگل محبوب کنيد :

بازگشت   Artificial Intelligence - هوش مصنوعی > محاسبات نرم > شبکه های عصبی (Neural Networks)


 
تبليغات سايت
Iranian Association for the Advancement of Artificial Intelligence
ارسال تاپيک جديد  پاسخ
 
LinkBack ابزارهاي تاپيک نحوه نمايش
قديمي ۰۹-۱۴-۱۳۹۱, ۰۸:۵۸ بعد از ظهر   #1 (لینک دائم)
عضو جدید
 
آواتار nazanin_sh
 
تاريخ عضويت: آذر ۱۳۹۰
پست ها: 2
تشكرها: 2
1 تشكر در 1 پست
Exclamation چند سوال ابتدایی اما مهم!

سلام . من دانشجوی کارشناسی هستم و مدتیه درمورد شبکه های عصبی مطالعه می کنم . تمام مقاله هایی که تا حالا خوندم در مورد انواع شبکه های عصبی و الگوریتم های یادگیریشونه . اما جواب دو تا سوال نتونستم تا حالا پیدا کنم . خواهشا اگه می تونید کمکم کنید :

سوال اول : ورودی هایی که به یک شبکه ی عصبی مصنوعی داده میشه از چه نوعی هستن؟ سیگنال های الکتریکی هستن که با یک مبدل آنالوگ به دیجیتال به صورت صفر و یک کد میشن؟ اگه نه لطفا برام توضیح بدین

سوال دوم : وقتی داریم یک شبکه رو آموزش می دیم چه اتفاقی دقیقا میفته؟ اینکه این شبکه اوزان رو به گونه ای تغییر میده که با اون خروجی مطلوب اختلاف کمی داشته باشه رو می دونم . ولی نمی تونم درک کنم چه ربطی داره ! مثلا برای شبکه ای که در تشخیص چهره به کار گرفته می شه .
آیا این فرآیند یادگیری با فرآیند یادگیری انسان یکسانه؟

ازتون ممنونم که قراره کمکم کنید
nazanin_sh آفلاين است   پاسخ با نقل قول
از nazanin_sh تشكر كرده است:
Miladsob (۱۰-۴-۱۳۹۱)

  #ADS
نشان دهنده تبلیغات
تبليغگر
 
 
 
تاريخ عضويت: -
محل سكونت: -
سن: 2010
پست ها: -
 

نشان دهنده تبلیغات is online  
قديمي ۰۹-۱۵-۱۳۹۱, ۰۳:۲۰ بعد از ظهر   #2 (لینک دائم)
عضو فوق فعال
 
آواتار mansor50
 
تاريخ عضويت: خرداد ۱۳۹۰
محل سكونت: مشهد
پست ها: 197
تشكرها: 2
48 تشكر در 42 پست
My Mood: Sepasgozar
پيش فرض

سلام - شبکه عصبی به هر الگویی به عنوان یک جعبه که چیزی از داخلش نمیدونه رفتار میکنه و با ورودی دادن و خروجی دادن به جعبه رفتار اون رو با تنظیم وزن هاش یادمیگیره و داده های اون هم عدد است این عدد ها یعنی مقداری برای هر ویِژگی که این ویژگی میتونه از یک تصویر یا از یک سیگنال یا هر چیزی استخراج بشه بازم سئوال داشتید میتونید بهم میل بزنید mansor.small@gmail.com
mansor50 آفلاين است   پاسخ با نقل قول
از mansor50 تشكر كرده اند:
Miladsob (۱۰-۴-۱۳۹۱), nazanin_sh (۰۹-۲۲-۱۳۹۱)
قديمي ۰۹-۱۵-۱۳۹۱, ۰۸:۳۲ بعد از ظهر   #3 (لینک دائم)
عضو فوق فعال
 
آواتار kamran_kenzo
 
تاريخ عضويت: تير ۱۳۸۹
محل سكونت: Tehran
پست ها: 190
تشكرها: 4
91 تشكر در 74 پست
پيش فرض

شما با در نظر گرفتن لایه های میانی برای شبکه عصبیتون و با توجه به تعداد ورودی ها و خروجی هاتون تعداد مشخصی وزن خواهید داشت که در مرحله ی یادگیری چون ورودی ها و خروجی ها مشخص هستند این وزن ها یاد گرفته می شوند. برای تفسیر این فرایند که واقعا چرا استفاده از شبکه ی عصبی خوب هست و اصلا چه معنایی داره میتونید اینطوری تصور کنید که شما تصویرهایی که مربوط به یک موضوع هستند را میتونید با المان های مشخصی بازسازی نمود.
به طور مثال تصویر یک شخص خاص با المان های خاصی (چشم، بینی، ...) مشخص میشه . وقتی شبکه برای تصویر این شخص یادگرفته میشه وزن ها طوری یادگرفته میشوند که بتونند با ترکیب این المانها تصویر را به طور مناسبی یاد بگیرند. حالا در مرحله ی تست تصویر شخص دیگری را که وارد شبکه کنیم با این وزن ها ترکیب طوری خواهد بود که اختلاف زیادی بین تصویر ورودی و تصویر مرجع خواهیم داشت.

امیدوارم تونسته باشم قدری از مفهوم رو منتقل کنم
موفق باشید
kamran_kenzo آفلاين است   پاسخ با نقل قول
از kamran_kenzo تشكر كرده اند:
Miladsob (۱۰-۴-۱۳۹۱), nazanin_sh (۰۹-۲۲-۱۳۹۱)
قديمي ۰۹-۲۲-۱۳۹۱, ۱۰:۱۷ بعد از ظهر   #4 (لینک دائم)
عضو جدید
 
آواتار nazanin_sh
 
تاريخ عضويت: آذر ۱۳۹۰
پست ها: 2
تشكرها: 2
1 تشكر در 1 پست
پيش فرض

فک کنم فهمیدم! یعنی در واقع با دادن یک الگو شبکه وزن ها رو تغییر می ده تا به یک حالت پایدار برسه و بعد از اون ، اون حالت پایدار متعلق به اون الگو هست و اگر با داده های دیگه ای شبکه رو تست کنیم به سمت وزن هایی همگرا میشه که قبلا برای الگو یادگرفته .....
درست گفتم؟!
nazanin_sh آفلاين است   پاسخ با نقل قول
پاسخ



كاربران در حال ديدن تاپيک: 1 (0 عضو و 1 مهمان)
 

قوانين ارسال
You may not post new threads
You may not post replies
You may not post attachments
You may not edit your posts

BB code is فعال
شکلکها فعال است
كد [IMG] فعال است
كدهاي HTML غير فعال است
Trackbacks are فعال
Pingbacks are فعال
Refbacks are فعال




زمان محلي شما با تنظيم GMT +3.5 هم اکنون ۰۴:۵۱ بعد از ظهر ميباشد.


Powered by vBulletin® Version 3.8.3
Copyright ©2000 - 2024, Jelsoft Enterprises Ltd.
Search Engine Friendly URLs by vBSEO 3.1.0 ©2007, Crawlability, Inc.

Teach and Learn at Hexib | Sponsored by www.Syavash.com and Product In Review

استفاده از مطالب انجمن در سایر سایت ها، تنها با ذکر انجمن هوش مصنوعي به عنوان منبع و لینک مستقیم به خود مطلب مجاز است

Inactive Reminders By Icora Web Design