شبکه عصبی پرسپترون چند لایه (MLP)

شبکه عصبی MLP) Multi-Layer Perceptron) یکی از مدل‌های پرکاربرد در حوزه یادگیری عمیق است. این شبکه از تعدادی لایه پنهان (hidden layer) تشکیل شده که هر لایه دارای تعدادی نورون (neuron) می باشد.

شبکه عصبی کانولوشن

شبکه عصبی کانولوشن (Convolutional Neural Network)، نوعی مدل یادگیری عمیق است که برای تشخیص تصویر و ویدئو بهره گیری میشود به صورتی که برای یادگیری خودکار و استخراج ویژگی ها از تصاویر طراحی شده است.

پیشرفت بینایی کامپیوتر(Dino V2)

بینایی کامپیوتر بخشی از هوش مصنوعی و یادگیری ماشین است که با کمک ان میتوان درک بصری و دریافت اطلاعات بینایی برای کامپیوتر را امکان پذیر کرد. ممکن است گمان کنید که با یک دوربین میتوانید این کار را به ر ...

اینترنت اشیاء (Internet of Objects)

تاریخچه اینترنت اشیاء (IoT) به سال‌ها قبل از ایجاد اصطلاح "اینترنت اشیاء" برمی ‌گردد. ایده اصلی این فناوری به اشیاء فیزیکی که با استفاده از تکنولوژی‌ های الکترونیکی و شبکه به اینترنت متصل می ‌شوند، بر ...

احراز هویت دیجیتال (E-KYC)

احراز هویت دیجیتال نسخه جدیدی از احراز هویت حضوری است که که به صورت دیجیتالی، هویت افراد را شناسایی میکند تا مشخص شود هویت فرد و تراکنش های مالی او معتبر است یا خیر؟ این فرایند بسیار سریع انجام می شود ...

الگوریتم KNN) K-nearest Neighbor)

الگوریتم K-nearest Neighbor یا به اختصار KNN یک الگوریتم یادگیری ماشین محسوب می‌ شود که برای دسته‌ بندی داده‌ها و پیش بینی آن ها استفاده میشود.

الگوریتم رگرسیون لجستیک (Logistic Regression)

الگوریتم رگرسیون لجستیک، یک الگوریتم متداول یادگیری ماشین است که برای طبقه بندی داده بکار میرود، این الگوریتم در واقع برای مدل‌ سازی رابطه بین یک متغیر وابسته (یا ویژگی وابسته) با یک یا چند متغیر مستق ...

الگوریتم رگرسیون خطی (Linear Regression)

الگوریتم رگرسیون خطی (Linear Regression) یکی از الگوریتم ‌های یادگیری ماشین است که برای مدل‌ سازی رابطه بین یک متغیر وابسته (یا ویژگی وابسته) با یک یا چند متغیر مستقل (یا ویژگی‌های مستقل) به کار میرود ...

الگوریتم Decision Tree

الگوریتم درخت تصمیم یا Decision Tree یک الگوریتم یادگیری ماشینی است که برای حل مسائل طبقه‌ بندی و رگرسیون استفاده می‌ شود. این الگوریتم با ساختار گرافیکی شبیه به یک درخت تصمیم، تصمیمات را براساس ویژگی ...

یادگیری عمیق (Deep Learning)

یادگیری عمیق زیر مجموعه ای از یادگیری ماشین است که بر اساس ساختار شبکه های مصنوعی عصبی ساخته شده است، این نوع یادگیری در سال 1940 توسط وارن مک کالوک و والتر پتروس ارائه شد که با الهام از شبکه های عصبی ...