• شبکه‌های عصبی بی‌نهایت گسترده، از آنجایی که توزیع روی توابع محاسبه شده توسط شبکه عصبی یک فرایند گاوسی است، توزیع مشترک بر روی خروجی‌های یک شبکه گاوسی...
    28 KB (2,948 words) - 15:20, 20 November 2023
  • ایان گودفلو و همکارانش در سال ۲۰۱۴ آن را پیشنهاد کردند. در این کلاس، دو شبکه عصبی در یک بازی روبروی یکدیگر قرار می‌گیرند (در چارچوب یک بازی با گردایش صفر،...
    56 KB (5,415 words) - 10:49, 2 May 2024
  • عملکرد بهتری دارند. فرآیند گاوسی شبکه عصبی (NNGP) مطابق با حد عرض نامحدود شبکه‌های عصبی بیزی و توزیع بیش از توابعی است که توسط شبکه‌های عصبی غیر بیزی پس از...
    8 KB (832 words) - 14:52, 20 November 2023
  • در چاچوب شبکه عصبی مصنوعی، یکسوساز یک تابع فعال‌سازی که به صورت f ( x ) = x + = max ( 0 , x ) , {\displaystyle {\displaystyle f(x)=x^{+}=\max(0,x),}}...
    12 KB (1,166 words) - 16:44, 18 January 2023
  • درجه گاوسی(Gaussian distribution of degrees) و متقارن می‌شود. شبکه‌های پیچیده معمولاً دارای توزیع درجه غیر گاوسی هستند. طبق قرارداد، توزیع درجه شبکه‌های...
    18 KB (1,723 words) - 14:54, 22 April 2024
  • .. ,z = (z0, z1, z2. این فرایند به صورت زیر تعریف می‌شود: حالت پنهان x 0 {\displaystyle \mathbf {x} _{0}} را از توزیع گاوسی پیشین p ( x 0 ) = N ( x ^...
    81 KB (11,958 words) - 09:46, 19 October 2023
  • شبکه‌های عصبی پرسپترون k-نزدیکترین همسایگی مدل‌های دسته‌بندی ترکیبی خوشه‌سازی سلسله مراتبی Kernel PCA رگرسیون خطی شبکه‌های عصبی رگرسیون فرآیند گاوسی (Gaussian...
    15 KB (1,280 words) - 00:48, 12 December 2023
  • می‌شوند. در بینایی ماشین، این یعنی یک شبکه عصبی آموزش داده می‌شود تا با یادگیری معکوس فرایند انتشاری، با شروع از نویز گاوسی به تصاویر اصلی برسد. مدل‌های انتشاری...
    21 KB (3,321 words) - 12:28, 22 November 2023
  • نمی‌تواند. این الگوریتم یک مدل ترکیبی جدید برای بهبود مدلهای رگرسیون و مدلهای شبکه عصبی مصنوعی برای پیش‌بینی پدیده‌ها و عملکرد مواد است. ماشین سازنده متغیر همبسته...
    31 KB (2,779 words) - 15:49, 30 April 2024
  • در طول شبکه و استفاده از متغیرهای نمونه‌برداری نهفته، نمونه‌ها از لایه آشکار حاصل می‌شوند. رمزگذار خودکار (به انگلیسی: Autoencoder) یک شبکه عصبی غیرنظارتی،...
    34 KB (3,574 words) - 10:20, 22 November 2023
  • عمیق نوعی یادگیری ماشینی است که با به کارگیری یک شبکه عصبی مجموعه ای از ورودی‌ها را از طریق شبکه عصبی مصنوعی به مجموعه ای از خروجی‌ها تبدیل می کند. نشان...
    32 KB (2,675 words) - 16:18, 24 November 2023
  • آمار با استفاده از محاسبات کامپیوتری انجام‌پذیر شده‌اند، برای مثال شبکه‌های عصبی. انقلاب کامپیوتری با یک توجه نو به آمار «آزمایشی» و «شناختیک» رویکردهایی...
    39 KB (3,566 words) - 06:14, 5 May 2024
  • نیز ارائه می‌شود. در واقع می‌توان گفت که هم ارز با (معادل با) یک مدل فرایند گاوسی به همراه تابع همپراش (تابع کوواریانس) است: k ( x , x ′ ) = ∑ j = 1 N...
    4 KB (292 words) - 13:43, 27 March 2024
  • می‌تواند به عنوان یک شکل اولیه از خوشه مورد توجه قرار گیرد. مدل‌های عصبی: شبکهٔ عصبی غیرقابل نظارت، شناخته شده‌ترین نقشهٔ خود سازمانی است و معمولاً این...
    58 KB (5,906 words) - 14:53, 20 November 2023
  • تصادفی یک تکنیک امیدوارکننده برای تضمین توجه شبکه به کل تصویر است، نه فقط به زیر مجموعه ای از آن. شبکه‌های عصبی در نگاشت ورودی‌های با ابعاد بالا به نمایش‌های...
    25 KB (2,168 words) - 14:49, 20 November 2023
  • کاربردی فرایند نقطه‌ای در تعیین فواصل زمانی تصادفی است. مثل ورود مشتری به یک فروشگاه، ضربان‌های سلول عصبی. مکان‌یابی درخت‌های یک بیشه. فرایند نقطه‌ای...
    2 KB (167 words) - 01:01, 30 January 2024
  • الگوریتم‌های معروف یادگیری عمیق شامل معماری‌های مختلف شبکه عصبی مصنوعی (ANN) مانند شبکه عصبی کانولوشنی (CNN)، حافظه طولانی کوتاه‌مدت (LSTM) و ماشین یادگیری...
    39 KB (3,426 words) - 17:46, 17 November 2023
  • بکار گرفته می‌شود، اما برنامه‌های کاربردی آن در تمام حوزه‌هایی که در آن شبکه‌های پیچیده نیاز به مدل‌سازی دارند وجود دارد. در مبحث ریاضی، گراف تصادفی تقریباً...
    6 KB (738 words) - 15:39, 29 December 2022
  • استفاده شده‌است. روش‌های محاسباتی از جمله ماشین‌های بردار پشتیبانی (SVM)، شبکه‌های عصبی مصنوعی (ANN) و جنگل‌های تصادفی (PLS-RF) و همچنین روش‌های مبتنی بر مدل،...
    30 KB (3,231 words) - 16:06, 14 April 2024