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 |
11 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
اقا خیلی وبسایتتون عالیه
بی نظیر بود
خسته نباشید ممنون به خاطر این مطالب
فوق العاده
با سلام بابت مطالب مفیدتون تشکر می کنم. ممنون که در اختیار بقیه قرار میدین