معرفی کمیت های موجود در شبکه عصبی

  • صفحه اول
  • معرفی کمیت های موجود در شبکه عصبی
image

معرفی کمیت های موجود در شبکه عصبی

 معرفی کمیت های موجود در شبکه عصبی

1) نورون

2) طبقه بندی

طبقه بندی یا classification به دسته بندی براساس الگو های از پیش تعیین شده می گویند.

طبقه بندی به یادگیری نظارت شده تعلق دارد ، به این معنی که ما داده های ورودی را می شناسیم (در این مورد دارای برچسب) و می توانیم از خروجی احتمالی الگوریتم مطلع شویم. طبقه بندی باینری وجود دارد که به مشکلات پاسخهای طبقه ای (مثلاً "بله" و "نه" پاسخ می دهد) و طبقه بندی چندگانه برای مسائلی که بیش از دو کلاس پیدا می کنیم ، به پاسخهای بازتر مانند "عالی" پاسخ می دهند. "،" منظم "و" ناکافی "است.

طبقه بندی در بسیاری از زمینه ها مانند زیست شناسی یا در طبقه بندی اعشاری دیویی برای کتابها ، در شناسایی هرزنامه در ایمیل ها استفاده می شود ...

3) خوشه بندی

خوشه بندی یا clustring به دسته بندی براساس الگویی که خود الگوریتم کشف می کند، می گویند.

در زمینه یادگیری ماشین ، خوشه بندی در یادگیری بدون نظارت قرار می گیرد. یعنی برای این نوع الگوریتم فقط یک مجموعه داده ورودی داریم (بدون برچسب) که بدون اینکه قبلاً بدانیم خروجی چیست ، باید درباره آن اطلاعات بدست آوریم.

خوشه بندی در پروژه هایی برای شرکت هایی مورد استفاده قرار می گیرد که می خواهند جنبه های مشترک مشتریان خود را برای تقسیم بندی مشتری ، ایجاد نقشه سفر مشتری یا یافتن گروه ها و تمرکز محصولات یا خدمات ، پیدا کنند. بنابراین ، اگر درصد قابل توجهی از مشتریان دارای جنبه های مشترک خاصی باشند (سن ، نوع خانواده و غیره) ، شرکت می تواند یک کمپین ، خدمات یا محصول خاص را توجیه کند. خوشه بندی برای دستیابی به بینش و اطلاعات عمومی نیز مفید است.

4) رقمی سازی برداری

رقمی سازی یا vector quantization به ارزش دادن به الگوها براساس ...

5) حافظه انجمی

حافظه انجمنی یا associate memory به قدرت تشخیص الگو های جدید که برابر با الگوهای پیش تعیین شده نباشد اما شبیه به الگوهای از پیش تعیین شده باشد می گویند.