مرور رده

هوش‌مصنوعی

تجزیه‌وتحلیل مؤلفه‌های مستقل (ICA)

تجزیه‌وتحلیل مؤلفه‌های مستقل (ICA) یک تکنیک آماری در یادگیری ماشین برای آشکار کردن عامل‌های پنهان مسئله است. (عوامل پنهان زیر مجموعه‌ای از متغیرها، اندازه گیری‌ها یا سیگنال‌های تصادفی هستند.) برخلاف تجزیه‌وتحلیل مؤلفه‌های اصلی که به حداکثر…

شبکه عصبی و مبانی یادگیری عمیق (deep learning)

در حوزه یادگیری داده‌ها یکی از چالش‌های مطرح استخراج ویژگی‌های موردنیاز برای مسئله است. در یادگیری ماشین بایستی تمام ویژگی‌ها را به‌عنوان ورودی به مسئله بدهیم، اما برخلاف آن یادگیری عمیق (Deep Learning) و شبکه عصبی (Neural Network)، این…

گراف دانش

در دنیای داده‌ها، اطلاعات بسیار ارزشمند هستند. گاهی به دلیل قوانین باید از آن محافظت شود بنابراین نمی‌توان به ‌کل اطلاعات درباره‌ی یک مورد خاص دسترسی داشت.

کشیدگی آماری (Kurtosis)

Kurtosis یک معیار اندازه‌گیری آماری است که برای توصیف توزیع‌ها به‌کار می‌رود و امتیاز خوشه‌ها در دم (انتهای توزیع) یا قله (بلندترین قسمت توزیع) را مشخص می‌کند. این معیار در واقع یک معیار توصیفی است که میزان قله‌ای بودن و مسطح بودن یک توزیع…

مدل‌های مبتنی بر انرژی (energy based models)

مدل‌های مبتنی بر انرژی توزیع احتمال را بر روی داده‌ها با اختصاص یک مقیاس (یا "انرژی") به هر نقطه داده ورودی نشان می‌دهند. این قابلیت انعطاف‌پذیری مدل‌سازی مفیدی را فراهم می‌کند. هر مدل دلخواه که یک عدد واقعی را با توجه به ورودی تولید کند،…

استخراج ویژگی و انتخاب ویژگی

انتخاب ویژگی اهمیت ویژگی‌های موجود را رتبه‌بندی می‌کند و آن‌هایی که اهمیت کم‌تری دارند را کنار می‌گذارد (هیچ ویژگی جدیدی تولید نمی‌شود). استخراج ویژگی تعداد ویژگی‌های دیتاست را کاهش می‌دهد؛ از طریق ایجاد ویژگی‌های جدید از ویژگی‌های موجود و…