تتعلُّم عميق DL
اقرأ المزيد

تقييس الدُّفعَة في التّعلم العميق – Batch Normalization in Deep Learning

يُعتبر تجنّب الملاءمة الزّائدة overfitting أحد أكثر المشاكل شيوعًا لمحترفي التّعلّم العميق، هل صادفت موقفًا كان أداء نموذجك جيّدًا للغاية في بيانات التّدريب ولكنّه غير قادر على التنبّؤ ببيانات الاختبار بدقّة، السّبب غالبًا هو أنّ النّموذج الخاصّ بك له ملاءمة زائدة و أحد الحلول لمثل هذه المشكلة هو التّنظيم regularization. تساعد تقنيّات التّنظيم على تحسين النّموذج وتسمح له بالتّقارب للنّموذج الأمثليّ بشكل أسرع، سوف نستكشف في مقالنا هذا إحدى هذه التّقنيات بالتّفصيل وهي تقييس الدُّفعَة Batch Normalization.

تتعلُّم عميق DL
اقرأ المزيد

التنبّؤ بالسّلاسل الزّمنيّة Time Series forecasting

هل شاهدت يومًا أحد المحلّلين الاقتصاديّين يقوم بتنبّؤ وتحليل سوق الأسهم لشركة معيّنة أو لعملة معيّنة، وغالبًا ما تكون النّتائج دقيقة.. هل سيلعب الذّكاء الاصطناعيّ دورًا في الحياة الاقتصاديّة ويساعد في التّخطيط ورسم الفكرة المستقبليّة عن تتابع المتغيّرات خلال الفترة القادمة … يبدو أنّ تطبيقات الذّكاء الاصطناعيّ ستبهرنا بالمزيد من خلال تقنيّاتها الدّقيقة …في هذا المقال سنتعرّف على كيفيّة التنبّؤ بالسٌلاسل الزّمنيّة من خلال الذّكاء الاصطناعيّ.

تتعلُّم عميق DL
اقرأ المزيد

التّعرّف على النّشاط البشريّ من خلال تصنيف السّلاسل الزّمنيّة باستخدام الشّبكة العصبونيّة ذات الذّاكرة الطّويلة قصيرة المدى LSTM, LSTMs for Human Activity Recognition Time Series

كيف يمكن أن نراقب حركتنا أثناء نشاط رياضيّ معيّن من خلال هاتفنا المحمول، أو التّفاعل مع بعض الألعاب الممتعة على الهاتف أو مع تطبيقات الواقع المعزّز، كيف يمكن أن تساعدنا خوارزميّات الذّكاء الاصطناعيّ المطوّرة في مراقبة نشاطاتنا أو مراقبة المرضى أو تشخيص بعض الأمراض الحركيّة، لمعلومات أكثر حول هذه الأسئلة تابع المدوّنة التّالية.

تتعلُّم عميق DL
اقرأ المزيد

إرشادات للتّعلم العميق في الشّبكات العصبونيّة Recommendations for Deep Learning Neural Network Practitioners

حقّقت نماذج التّعلّم العميق دقّة متطوّرة تتجاوز في بعض الأحيان الأداء على المستوى البشريّ، وسنقدّم لكم في هذه المقالة أهمّ التّوصيات عند استخدام التّعلّم العميق