regression, توضیح مدل های خطی lasso , ridge
Linear Regression ما از رابطه رگرسیون خطی جهت یافتن رابطه علت و معلولی بین متغیر ها جهت پیش بینی خروجی باتوجه به ورودی استفاده می کنیم.در رابطه رگرسیون خطی بین متغیر مسقل x و متغیر وابسته y رابطه خطی...
Cutmix
/*! elementor - v3.17.0 - 08-11-2023 */ .elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-siz...
simple MNIST convent
یک مدل Convolutional Neural Network (CNN) برای دسته‌بندی تصاویر MNIST استفاده می‌شود. MNIST یک مجموعه داده است که شامل تصاویر ارقام دست‌نویس می‌شود، هر تصویر به اندازه 28x28 پیکسل است. در این مدل، از...
GPT2 Text Generation with KerasNLP: Exploring the Power of Language Models
اهمیت و کاربردهای GPT2 Text Generation و KerasNLP در زمینه‌های مختلف تولید متن به عنوان یکی از زیرشاخه‌های هوش مصنوعی، در سال‌های اخیر پیشرفت‌های چشمگیری داشته است. این تکنیک به واسطه کاربردهای فراوان...
Timeseries Classification: Exploring Different Approaches
Introduction طبقه‌بندی سری زمانی یک چالش جذاب است که در آن باید دنباله‌های نقاط داده زمانی را به دسته‌بندی‌های مختلف تبدیل کنیم. در این پست وبلاگ، به بررسی روشهای مختلف طبقه‌بندی سری زمانی خواهیم پرد...
Conditional GAN (Generative Adversarial Networks)
Generative Adversarial Networks (GAN) (شبکه‌های تولیدی مقابله‌ای) به ما امکان می‌دهند تا از ورودی‌های تصادفی، داده‌های تصویری، ویدیویی یا صوتی جدید ایجاد کنیم. به طور معمول، ورودی تصادفی از یک توزیع ن...
Callbacks
به طور کلی callback به معنی فراخوانی یک تابع در یک رویداد (event) مشخص هست. از callback ها میتوان در مراحل زیر استفاده کرد: Model.fit() Model.evaluate() Model.predict() از callback ها برای بررسی مدل د...
YOLOv8(Object Detection)
(You Only Look Once) Yolo Yolo یک الگوریتم پیشرفته تشخیص شیء به شکل بلادرنگ است که در سال 2015 جوزف ردمون (Joseph Redmon) ،سانتوش دیوالا (Santosh Divvala)، راس گیرشیک (Ross Girshick) و علی فرهادی (...
Graph attention network (GAT) for node classification
Graph attention network (GAT) for node classification Graph Attention Networks: graph neural network یک کلاس از شبکه‌های عصبی است که برای پردازش داده‌های گراف مانند گراف‌های رسانه‌های اجتماعی و گراف...
Few-Shot learning with Reptile
Few-Shot learning with Reptile Few-Shot Learning چیست؟ در بسیاری از سناریوهای واقعی، جمع‌آوری مقادیر بزرگ از داده‌های برچسب‌خورده برای آموزش مدل یادگیری ماشین زمان‌بر، گرانقیمت یا به سادگی غیرقابل ان...
(Big Transfer )BiT
/*! elementor - v3.17.0 - 08-11-2023 */ .elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=".svg"]{width:48px}.elementor-widget...
کانولوشن چیست و تعریف blurring و denoising
/*! elementor - v3.17.0 - 08-11-2023 */ .elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-siz...
انواع روشهای لود داده تصویری در کراس و تنسرفلو
انواع روشهای لود داده تصویری در کراس و تنسرفلو در کراس و TensorFlow، می‌توانید از چند روش مختلف برای لود داده‌های تصویری استفاده کنید. در زیر به سه روش اصلی، ImageDataGenerator، tf.data...
Neural Networks
/*! elementor - v3.17.0 - 08-11-2023 */ .elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-siz...
GAP : Global Average Pooling
مقدمه : pooling و انواع رایج آن در CNNs، لایه‌های pooling معمولاً برای کاهش ابعاد فضایی نقشه‌های ویژگی ورودی و به حداقل رساندن پیچیدگی محاسباتی و تعداد پارامترهای شبکه استفاده می‌شوند. متداول...
label smoothing
label smoothing label smoothing یک تکنیک اصلاحی است که به طور معمول در یادگیری ماشین، به ویژه در آموزش شبکه‌های عصبی برای تسک های طبقه‌بندی مورد استفاده قرار می‌گیرد. هدف اصلی از لیبل اسموتینگ جلوگیری...
معماری EfficientNet: یک معماری شبکه عصبی کانولوشنی کارآمد
مقدمه : در دنیای یادگیری عمیق، معماری‌های شبکه‌های عصبی به سرعت در حال توسعه و بهبود هستند. یکی از نمونه‌های جذاب این پیشرفت‌ها، معماری EfficientNet از تیم Google Research است.در زمینه یادگیری ماشین،...
Inception (googlenet)
One by one convolution می دانیم کانولوشن یک فیلتری دارد که در ماتریس حرکت داده می شد و هر پیکسل را با همسایه های آن بر اساس وزن ها ترکیب می کرد و در خروجی قرار می داد. حالا اگر کرنل ما یک در یک باشد چ...
Underfitting-Overfitting-Generalization
Overfitting overfit (بیش‌برازش) زمانی اتفاق می‌افتد که مدل سعی می‌کند تمام نقاط داده یا بیشتر از نقاط داده مورد نیاز موجود در مجموعه داده را پوشش دهد در نتیجه مدل شروع به ذخیره نویز و مقادیر نادرست مو...
Knowledge distillation
/*! elementor - v3.17.0 - 08-11-2023 */ .elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-siz...
mobile net architecture
/*! elementor - v3.17.0 - 08-11-2023 */ .elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-siz...