پيشرفت در جمع آوري و ذخيره داده در طول دهه هاي گذشته موجب انفجار داده در بيشتر موارد شده است. محققان در بسياري از حيطه ها مانند مهندسي، ستاره شناسي، اقتصاد و تعاملات مصرف كننده، با مشاهدات و شبيه سازي بزرگ و بزرگتري روبه رو شده اند. چنين مجموعه داده ها در مقابل با مجموعه داده هاي كوچكتري كه در گذشته مطالعه مي شدند، چالش هاي جديدتر در تحليل داده ها به وجود آورده اند. به دليل افزايش تعداد مشاهدات و از آن مهمتر به دليل افزايش تعداد متغيرهاي مربوط به هر مشاهده، روش هاي آماري قديمي نسبتا درهم شكسته شد. مجموعه داده هاي با ابعاد زياد چالش هاي رياضياتي زيادي همراه با فرصت هاي جديد به همراه داشتند. يكي از مسائل با مجموعه داده ابعاد بالا اين است كه در بسياري از موارد همه متغيرهاي اندازه گيري شده براي فهم موضوع موردنظر با اهميت نيستند. كاهش بعد دسته بندي، تجسم، ارتباط و ذخيره داده با بعد بالا را تسهيل مي بخشد. با وجود اينكه روش هاي جديد با هزينه محاسباتي بالا مدل هاي پيش بيني با دقت بالا از داده هاي با ابعاد بالا مي سازند، هنوز هم در بسياري از موارد تمايل به كاهش ابعاد داده اصلي به هر مدلي از داده است...

جزوه آموزش كاهش بعد با استفاده از شبكه هاي عصبي، مشتمل بر 22 صفحه، با فرمت PDF، تايپ شده، به زبان فارسي، به ترتيب زير گردآوري شده است:

• ماشين بولتزمن محدود (RBM)
• نمونه سازي Gibbs
• رمزگذار خودكار
• شبكه هاي باور عميق (DBN)
• كاهش بعد
• مقاله مورد بررسي
• توضيحات تكميلي
• جزئيات پيش آموزش
• جزئيات ميزان سازي دقيق
• متناسب شدن در logestic PCA
• تاثير پيش آموزش ميزان سازي دقيق در رمزگذار خودكارهاي عميق و سطحي
• جزئيات يافتن كدها براي اعداد MNIST
• جزئيات يافتن رمز براي چهره هاي Olivetti
• جزئيات يافتن رمزها براي اسناد رويتر
• مقايسه با جاسازي خطي محلي
• استفاده از پيش آموزش و ميزان سازي دقيق براي دسته بندي اعداد
• مراجع

* توجه:
لازم به ذكر است كه علاوه بر فايل جزوه آموزشي بالا، مقاله زير نيز جهت دانلود قرار داده شده است:

• مقاله كاهش بعد داده هاي تصاوير تشديد مغناطيسي مغز با استفاده از شبكه عصبي آموزش يافته توسط الگوريتم ژني (15 صفحه، به زبان فارسي)

جهت دانلود جزوه آموزش كاهش بعد با استفاده از شبكه هاي عصبي به انضمام مقاله، برلينك زير كليك نماييد.

كاهش بعد با استفاده از شبكه هاي عصبي