راهنمای استفاده از محیط گوگل کولب برای یادگیری عمیق همراه با یک مثال عملی
فروردین ۲۴, ۱۳۹۷کلاس یادگیری ماشین پاییز ۱۳۹۷
مهر ۱۳, ۱۳۹۷
| انگلیسی |
معادل فارسی |
| fully connected |
تمام متصل |
| Feed-forward neural networks |
شبکه‌های عصبی پیشخور |
| Convolutional neural networks |
شبکه‌های عصبی کانولوشنی |
| Recurrent Neural Networks |
شبکه‌های عصبی برگشتی |
| Recursive Neural Networks |
شبکه‌های عصبی بازگشتی |
| Activation Function |
تابع فعالیت |
| Loss Function |
تابع زیان (یا تابع هزینه) |
| Focal Loss Function |
تابع هزینه کانونی |
| Contrastive Loss Function |
تابع هزینه هم‌سنجی |
| Cross Entropy Loss Function |
تابع هزینه آنتروپی متقابل |
| Triplet Loss Function |
تابع هزینه سه‌تایی |
| hyper-parameter |
ابرپارامتر |
| Back-propagation algorithm |
الگوریتم پس‌انتشار |
| encoder |
رمزگذار |
| decoder |
رمزگشا |
| Batch Normalization |
نرمال‌سازی دسته‌ای |
| Bidirectional |
دوسویه |
| Dropout |
دورریزی (یا حذف تصادفی) |
| Long Short-Term Memory (LSTM) |
حافظه کوتاه-مدت طولانی |
| Quasi Recurrent Neural Network (QRNN) |
شبکه عصبی شبه برگشتی |
| Seq2Seq |
دنباله به دنباله |
| Attention Mechanism |
سازوکار توجه |
| Regularization |
تنظیم |
| learning rate |
نرخ یادگیری |
| gradient decent |
گرادیان کاهشی |
| Mini-batch gradient decent |
گرادیان کاهشی دسته‌ای |
| Gradient Explosion |
انفجار گرادیان |
| Gradient Vanishing |
محو گرادیان |
| Overfit |
بیش‌برازش |
| Underfit |
کم‌برازش |
| Training set |
مجموعه آموزشی |
| Validation set |
مجموعه اعتبارسنجی |
| Test set |
مجموعه آزمایشی |
| Validation |
اعتبارسنجی |
| Cross Validation |
اعتبارسنجی متقابل (اعتبارسنجی ضربدری) |
| Stride |
گام |
| Padding |
گسترش مرز |
| Pooling |
ادغام |
| Max Pooling |
ادغام بیشینه |
| Average Pooling |
ادغام میانگین |
| Accuracy |
دقت |
| Precision |
درستی |
| Recall |
نرخ یادآوری |
| data augmentation |
داده افزایی |
| Transfer Learning |
یادگیری انتقالی |
| Classification |
دسته‌بندی |
| Object Detection |
تشخیص اشیا |
| Object Recognition |
بازشناسی اشیا |
| Object Localization |
مکان‌یابی اشیا |
| ّImage Segmentation |
قظعه‌بندی تصویر |
| Semantic Segmentation |
قطعه‌بندی معنایی |
| Image Captioning |
عنوان‌بندی تصویر |
| Pose Estimation |
تخمین وضعیت قرارگیری |
| Landmark Detection |
تشخیص نقاط عطف |
| Face Detection |
تشخیص چهره |
| Face Recognition |
بازشناسی چهره |
| Style Transfer |
انتقال سبک |
7 ديدگاه
سلام
خیلی ممنون از لطفتون
در خصوص accuracy بهتر نیست صحت و در مورد precision از دقت استفاده بشه؟
دقیقا
با درود. از پیشنهادتون واقعا سپاسگزارم. در این مورد اختلاف نظر وجود دارد. حتما بررسی بیشتری در این باره انجام خواهم داد و نتیجه آن را از همین طریق به شما اطلاع‌رسانی خواهم نمود.
ممنون خیلی مطلب خوبی بود
بسیار کاربردی
سلام . لینک گروه تلگرام غیر فعال هست . امکانداره لینک رو اپدیت کنید .ممنون
با سلام و وقت بخیر
ضمن تشکر و قدرداتی از زحمات جنابعالی، پیشنهادی در مورد دو واژه داشتم.
برای encoder و decoder به نظر من بهتر است از واژگان کدگذار و کدگشا استفاده شود.
چون رمز گذار و رمزگشا بیشتر در مورد encypher و decypher بکار میروند.
متشکرم
سلام.ممنون .خیلی خوب بود.از دست اندرکاران وبسایت
به این خوبی سپاسگزارم