کتاب مبانی شبکه‌های عصبی مصنوعی و یادگیری عمیق در کاربردهای مهندسی و صنعتی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی شبکه‌های عصبی مصنوعی و یادگیری عمیق در کاربردهای مهندسی و صنعتی

موضوع کلی: علوم رایانه و فناوری‌های نوین

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره (100 موضوع)

• 1. مبانی و تاریخچه شبکه‌های عصبی مصنوعی
• 2. ساختار نورون بیولوژیک و مدل‌سازی ریاضی آن
• 3. مفهوم پرسپترون و یادگیری در تک‌لایه
• 4. محدودیت‌های پرسپترون و معرفی شبکه‌های چندلایه
• 5. توابع فعال‌ساز و نقش آن‌ها در مدل‌سازی غیرخطی
• 6. الگوریتم انتشار معکوس خطا و بهینه‌سازی وزن‌ها
• 7. روش گرادیان کاهشی و انواع آن در آموزش شبکه
• 8. مسئله بیش‌برازش و راهکارهای مقابله با آن
• 9. نرمال‌سازی داده‌ها و تاثیر آن در سرعت همگرایی
• 10. معماری شبکه‌های عصبی پیش‌رو
• 11. توابع هزینه و نقش آن‌ها در ارزیابی مدل
• 12. مقایسه یادگیری نظارت‌شده و یادگیری بدون ناظر
• 13. مبانی شبکه‌های عصبی کانولوشنی برای پردازش تصویر
• 14. لایه‌های کانولوشن و استخراج ویژگی‌های سلسله‌مراتبی
• 15. لایه‌های ادغام و کاهش ابعاد در شبکه‌های عصبی
• 16. معماری‌های استاندارد شبکه‌های کانولوشنی
• 17. مبانی شبکه‌های عصبی بازگشتی و پردازش داده‌های توالی
• 18. معماری سلول‌های حافظه کوتاه-مدت در شبکه‌های عصبی
• 19. مکانیزم توجه در مدل‌های هوش مصنوعی
• 20. مقدمه‌ای بر شبکه‌های مولد رقابتی
• 21. روش‌های پیاده‌سازی مدل‌ها با کتابخانه‌های استاندارد پایتون
• 22. مدیریت و پیش‌پردازش مجموعه‌داده‌های صنعتی
• 23. تکنیک‌های افزایش داده برای بهبود دقت مدل
• 24. تنظیم فراپارامترها و بهبود عملکرد شبکه
• 25. ارزیابی مدل‌های یادگیری عمیق با معیارهای مهندسی
• 26. کاربرد شبکه‌های عصبی در تشخیص خطای تجهیزات
• 27. پیش‌بینی سری‌های زمانی در سیستم‌های قدرت
• 28. بهینه‌سازی مصرف انرژی با استفاده از یادگیری ماشین
• 29. پردازش هوشمند سیگنال‌های حسگرهای صنعتی
• 30. سیستم‌های بینایی ماشین در اتوماسیون صنعتی
• 31. تشخیص ناهنجاری در فرآیندهای تولیدی
• 32. کنترل هوشمند فرآیندهای صنعتی با شبکه‌های عصبی
• 33. تلفیق یادگیری عمیق با سیستم‌های خبره
• 34. ملاحظات اخلاقی و ضوابط فنی در توسعه هوش مصنوعی
• 35. روش‌های فشرده‌سازی مدل برای اجرا در سخت‌افزارهای محدود
• 36. پیاده‌سازی مدل‌های عصبی بر روی بردهای پردازشی
• 37. مدیریت چرخه حیات مدل‌های یادگیری عمیق
• 38. مستندسازی و استقرار سیستم‌های هوشمند در صنعت
• 39. چشم‌انداز آینده هوش مصنوعی در صنایع ملی