Phase02-Introduction To Neural Networks-A.Soltan

[arminsoltan]

• [x] Section 1: Review [FILL HERE WITH RIGHT ANSWERS TO QUESTION 1] [FILL HERE WITH RIGHT ANSWERS TO QUESTION 2]
• [x] Section 2: PyTorch Basics
  • [x] Install Pytorch
  • [x] Pytorch basics video 1-12
• [x] Section 3: Feed Forward NN
  • [x] Feed Forward NN video
  • [x] MNIST Digits classification with Feed Forward NN
  • [x] Heart Disease classification with Feed Forward NN
• [x] Section 4: Convolutional NN
  • [x] Convolutional NN video
  • [x] CIFAR-10 classification with CNN
  • [x] Intel Image classification with CNN
• [x] Section 5: Transfer Learning
  • [x] Transfer learning video
  • [x] Transfer learning for Intel Image classification
• [x] Section 6: Recurrent NN
  • [x] RNN video
  • [ ] BTC/USDT price prediction with RNN

[arminsoltan]

در شبکه های عصبی، چه نیازی به بایاس هست؟ بایاس مانند حالت عرض ا ز مبدا در مدل رگرسیون خطی است که با تنظیم این پارامتر بهتر می تواند رو مدل برازش داده شود بایاس یک عدد ثابتی می باشد که می تواند بر جمع جریان های ورودی از نورون های پیش سیناپسی به پس سیناپسی تاثیر به سزایی داشته باشد.

[arminsoltan]

آیا توابع فعال سازی میتونن خطی باشن؟ چرا؟ برای لایه خروجی می تواند استفاده شود ولی برای لایه های پنهان مدل در شبکه های عصبی نمی توان استفاده کرد زیرا تاثیر بسزایی ندارد و یک لایه با چند لایه در این حالت تفاوتی ایجاد نمی کند.