شبکههای عصبی مصنوعی چیست؟ شبکههای عصبی مصنوعی (ANNs)، سیستمهای محاسباتی هستند که از ساختار و رویکرد کار سیستم عصبی انسان الهام گرفته شدهاند. این شبکهها از تعداد زیادی واحد پردازشگر مصنوعی یا نورون، که در لایههای مختلف، سازمان یافتهاند، تشکیل شدهاند. اهمیت آشنایی با شبکههای عصبی مصنوعی چیست؟ یادگیری شبکههای عصبی مصنوعی در متلب، امکان پیشبینی و تشخیص الگوهای پیچیده در دادهها، کلاسبندی و تصمیمگیری در مسائل گوناگون از جمله تشخیص تصاویر و تصمیمگیری در صنعت و پزشکی و همچنین پردازش تصویر و بینایی ماشین را فراهم میکند. همچنین، این تکنیک در تحلیل دقیق دادههای پیچیده، مهندسی معکوس و پیشبرد تحقیقات در زمینه هوش مصنوعی نقش موثری دارد. ماشین بردار پشتیبان (Support Vector Machine) یا به اختصار SVM نوع خاصی از شبکه های عصبی هستند که بر خلاف سایر انواع شبکه عصبی مانند MLP و RBF به جای کمینه کردن خطا، اقدام به کمینه کردن ریسک عملیاتی طبقهبندی یا مدلسازی میکند. این ابزار، بسیار قدرتمند است و در زمینههای مختلفی چون طبقهبندی، خوشهبندی و مدلسازی (رگرسیون) میتواند مورد استفاده قرار بگیرد. در این فرادرس چه چیزی یاد میگیریم؟ در این فرادرس قصد داریم آموزش جامع ماشینهای بردار پشتیبان یا SVM در متلب را معرفی کنیم که در آن علاوه بر مرور تئوریهای مربوط به ماشینهای بردار پشتیبان یا SVM، پیادهسازی عملی این نوع شبکهها در محیط متلب نیز به طور کامل مورد بررسی قرار گرفته است. برنامههایی که در این آموزش پیادهسازی شدهاند به حل مسائل طبقهبندی باینری (Binary Classification)، تخمین و تقریب توابع (Function Approximation) و پیشبینی سریهای زمانی (Time - Series Prediction) اختصاص دارند. در این آموزش، سه الگوریتم مهم از میان ماشینهای بردار پشتیبان مورد بررسی قرار گرفتهاند: ماشین بردار پشتیبان پایه برای طبقهبندی باینری یا SVM کلاسترینگ بردار پشتیبان (Support Vector Clustering) یا به اختصار SVC رگرسیون بردار پشتیبان (Support Vector Regression) یا به اختصار SVR رویکردهای ارائهشده در این آموزش، بسیار فراگیر و عمومی هستند و میتوان از نکات تئوری و عملی بیانشده برای حل سایر مسائل کاربردی استفاده کرد.
