شبکه های عصبی عمیق دارای کاربردهای فراوانی در پردازش گفتار می باشند. در صورتی که این شبکه ها به صورت تصادفی مقدار دهی اولیه شوند به جواب درست همگرا نخواهند شد، چرا که دارای تعداد پارامترهای فراوانی می باشند. روش های متعددی برای پیش تعلیم شبکه های عصبی عمیق مطرح شده است که باعث همگرا شدن شبکه می شوند. پیش تعلیم شبکه های عصبی می تواند هم بر مبنای شبکه باور عمیق و هم ماشین بولتزمان عمیق انجام گیرد. در این مقاله شبکه عصبی عمیق با روش پیش تعلیم جدیدی که بر مبنای ماشین بولتزمان عمیق می باشد، آموزش می بیند. در نهایت خروجی شبکه عصبی پس از پیش تعلیم توسط روش ارائه شده، برای طبقه بندی واج ها مورد استفاده قرار می گیرد. نتایج تجربی بر روی دادگان گفتار تیمیت بیانگر آن است که روش ارائه شده برای کاربردهای بازشناسی واج مناسب می باشد. همچنین آزمایشات نشان داده است که روش ارائه شده بر مبنای ماشین بولتزمان عمیق به کاهش خطای عمومی سیستم و افزایش کارائی آن کمک می کند و از طرفی باعث همگرائی سریع تر شبکه عصبی عمیق می شود...

مقاله روشی جدید برای پیش تعلیم شبکه عصبی بر مبنای ماشین بولتزمان عمیق به منظور افزایش سرعت آموزش و دقت در بازشناسی واج، مشتمل بر 7 صفحه، به زبان فارسی، تایپ شده، به همراه تصاویر، دیاگرام، فرمول ها و روابط ریاضی با فرمت pdf، به ترتیب زیر گردآوری شده است:

اگر به فراگیری مباحث مشابه مطلب بالا علاقهمند هستید، آموزشهایی که در ادامه آمدهاند نیز به شما پیشنهاد میشوند:
پیشرفت در جمع آوری و ذخیره داده در طول دهه های گذشته موجب انفجار داده در بیشتر موارد شده است. محققان در بسیاری از حیطه ها مانند مهندسی، ستاره شناسی، اقتصاد و تعاملات مصرف کننده، با مشاهدات و شبیه سازی بزرگ و بزرگتری روبه رو شده اند. چنین مجموعه داده ها در مقابل با مجموعه داده های کوچکتری که در گذشته مطالعه می شدند، چالش های جدیدتر در تحلیل داده ها به وجود آورده اند. به دلیل افزایش تعداد مشاهدات و از آن مهمتر به دلیل افزایش تعداد متغیرهای مربوط به هر مشاهده، روش های آماری قدیمی نسبتا درهم شکسته شد. مجموعه داده های با ابعاد زیاد چالش های ریاضیاتی زیادی همراه با فرصت های جدید به همراه داشتند. یکی از مسائل با مجموعه داده ابعاد بالا این است که در بسیاری از موارد همه متغیرهای اندازه گیری شده برای فهم موضوع موردنظر با اهمیت نیستند. کاهش بعد دسته بندی، تجسم، ارتباط و ذخیره داده با بعد بالا را تسهیل می بخشد. با وجود اینکه روش های جدید با هزینه محاسباتی بالا مدل های پیش بینی با دقت بالا از داده های با ابعاد بالا می سازند، هنوز هم در بسیاری از موارد تمایل به کاهش ابعاد داده اصلی به هر مدلی از داده است...

جزوه آموزش کاهش بعد با استفاده از شبکه های عصبی، مشتمل بر 22 صفحه، با فرمت PDF، تایپ شده، به زبان فارسی، به ترتیب زیر گردآوری شده است:
* توجه: لازم به ذکر است که علاوه بر فایل جزوه آموزشی بالا، مقاله زیر نیز جهت دانلود قرار داده شده است:
مقاله کاهش بعد داده های تصاویر تشدید مغناطیسی مغز با استفاده از شبکه عصبی آموزش یافته توسط الگوریتم ژنی (16 صفحه، به زبان فارسی)

اگر به فراگیری مباحث مشابه مطلب بالا علاقهمند هستید، آموزشهایی که در ادامه آمدهاند نیز به شما پیشنهاد میشوند:
نرم افزار EES مخفف Engineering Equations Solver می باشد. ساده ترین قابلیت EES حل دستگاه معادلات جبری (شامل معادلات غیر خطی) است. یعنی کافی است شما معادلات و داده های لازم برای حل یک مسئله را وارد نمایید و این نرم افزار پاسخ محاسبات را به شما خواهد داد. با پردازنده متنی موجود در EES می توانید معادلات را همانگونه که آنها را می بینید بدون توجه به جایگاه متغیرها در برنامه وارد نمایید. همچنین EES می تواند معادلات دیفرانسیل و معادلات مختلط را نیز حل نماید. محاسبات بهینه سازی، رگرسیون خطی و غیر خطی، رسم نمودار با دقت بالا و تحلیل عدم اطمینان را انجام دهد و حتی انیمیشن های مهندسی بر پایه محاسبات بسازد. این نرم افزار واحدهای مختلف فیزیکی را می شناسد و کنترل می نماید...

مجموعه آموزش نرم افزار حل معادلات مهندسی (Engineering Equations Solver)، به ترتیب زیر گردآوری شده است:
فایل 1: کتاب راهنمای نرم افزار Engineering Equations Solver
کتاب مورد نظر مشتمل بر 7 فصل، 232 صفحه، با فرمت PDF، به زبان انگلیسی، به ترتیب زیر گردآوری شده است:
Chapter 1: Getting Started
Chapter 2: EES Windows
Chapter 3: Menu Commands
Chapter 4: Built-in Functions
Chapter 5: Functions, Procedures, Modules, and Subprograms
Chapter 6: External Functions and Procedures
Chapter 7: Advanced Features
فایل 2: جزوه راهنمای نرم افزار Engineering Equations Solver
جزوه مورد نظر مشتمل بر 15 درس، 37 صفحه، با فرمت PDF، به زبان فارسی، به ترتیب زیر گردآوری شده است:
درس 1: حل اولین معادله و استفاده از بخش معادلات فرمت شده
درس 2: نوشتن معادلات خوش فرم
درس 3: استفاده از ثابت ها
درس 4: تنظیم محدوده متغیرها
درس 5: استفاده از توابع ریاضی و ترمودینامیک
درس 6: استفاده از کتابخانه انتقال حرارت و سیالات
درس 7: استفاده از جدول محاسباتی و رسم نمودار
درس 8: رسم چند منحنی با دامنه های مختلف در یک نمودار
درس 9: دستورات پیش پردازنده
درس 10: استفاده از جدول برای انجام محاسبات تکراری (پیشرفته)
درس 11: نوشتن توابع در EES
درس 12: اضافه نمودن کتابخانه به نرم افزار
درس 13: ایجاد کتابخانه
درس 14: نوشتن برنامه های بزرگ (پیشرفته)
درس 15: نکات EES
فایل 3: جزوه راهنمای نرم افزار Engineering Equations Solver
جزوه مورد نظر مشتمل بر 23 صفحه، با فرمت PDF، به زبان فارسی، به ترتیب زیر گردآوری شده است:
فایل 4: مسائل حل شده در نرم افزار Engineering Equations Solver
فایل مورد نظر مشتمل بر 52 مسئله حل شده، با فرمت EES و به زبان انگلیسی، گردآوری شده است. برای مشاهده تمرینات ابتدا بایستی نرم افزار EES را که در همین مجموعه آموزشی جهت دانلود قرار داده شده است را نصب نمایید.
فایل 5: فایل نصب نرم افزار Engineering Equations Solver به همراه کرک فعال ساز آن
اگر به فراگیری مباحث مشابه مطلب بالا
علاقهمند هستید، آموزشهایی که در ادامه آمدهاند نیز به شما پیشنهاد میشوند
:
این کتاب به تجزیه و تحلیل انواع مختلف تانسورها می پردازد. فصل اول این کتاب به جبر تانسوری یا به عبارت دیگر به جبر چند بعدی در یک میدان عمومی (F) مربوط می شود. فصل دوم زمینه جبری را به مجموعه ای از اعداد حقیقی (R) محدود می نماید. سایر فصول کتاب در ادامه پایین قابل مشاهده و پیگیری می باشد. بطور خلاصه این کتاب در تکمیل مطالب مربوط به فصل تانسورها که در درس مکانیک محیط های پیوسته بیان می گردد می تواند مفید واقع گردد...

کتاب تانسورها - ریاضیات نظریه نسبیت و مکانیک پیوسته (Tensors - The Mathematics of Relativity Theory and Continuum Mechanics)، مشتمل بر 300 صفحه، در 7 فصل، با فرمت PDF، به زبان انگلیسی، همراه با مثال ها و تمرینات متعدد به ترتیب زیر گردآوری شده است:
Chapter 1: Finite Dimensional Vector Spaces and Linear Mappings
Chapter 2: Tensor Algebra
Chapter 3: Tensor Analysis on a Differentiable Manifold
Chapter 4: Differentiable Manifolds with Connections
Chapter 5: Riemannian and Pseudo-Riemannian Manifolds
Chapter 6: Special Riemannian and Pseudo-Riemannian Manifolds
Chapter 7: Hypersurfaces, Submanifolds, and Extrinsic Curvature

پروفسور جی ان ردی یک استاد برجسته در دانشکده مهندسی مکانیک دانشگاه تگزاس می باشد. این استاد برجسته در سطح بین المللی به خاطر تبحر در علوم مکانیک محاسباتی و مکانیک کاربردی و همچنین تالیف 17 کتاب و ارائه بیش از 450 مقاله در ژورنال های مختلف علمی شناخته شده می باشد. کتاب مقدمه ای بر مکانیک محیط های پیوسته پروفسور ردی فرم غیرمادی و جزء را معرفی می نماید. در این کتاب فرم معادلات اساسی و برنامه های کاربردی آنها به مشکلات در کشش، مکانیک سیالات، و انتقال حرارت و معرفی مختصر به ویسکوالاستیک خطی را نیز ارائه می دهد. این کتاب برای دانشجویان تحصیلات تکمیلی بسیار ایده آل می باشد. همچنین این کتاب برای کسانی که به دنبال کار بیشتر در زمینه های دینامیک سیالات، انعطاف پذیری، صفحات و پوسته ها، ویسکوزولاسیون، پلاستیک و زمینه های بین رشته ای مانند ژئومکانیک، بیومکانیک، مکانیولوژی و علوم نانو هستند می تواند مفید واقع گردد...

کتاب مقدمه ای بر مکانیک محیط های پیوسته (Introduction to Continuum Mechanics)، مشتمل بر 480 صفحه، در 9 فصل، با فرمت PDF، به زبان انگلیسی، همراه با مثال ها و تمرینات متعدد به ترتیب زیر گردآوری شده است:
Chapter 1: Introduction
Chapter 2: VECTORS AND TENSORS
Chapter 3: KINEMATICS OF CONTINUA
Chapter 4: STRESS MEASURES
Chapter 5: CONSERVATION AND BALANCE LAWS
Chapter 6: CONSTITUTIVE EQUATIONS
Chapter 7: LINEARIZED ELASTICITY
Chapter 8: FLUID MECHANICS AND HEAT TRANSFER
Chapter 9: LINEARIZED VISCOELASTICITY