کتابخانه مرکزی دانشگاه صنعتی شریف
    • [نمايش بزرگتر]
    • [نمايش کوچکتر]
  • صفحه 
     از  0
  • [صفحه قبل]
  • [صفحه بعد]
  • [نمایش تمام صفحه]
  • [بستن]
 
بهبود ستبری شبکه های عصبی ژرف در برابر مثال های هم آوردی در تصاویر
مه آبادی محمدی، محمد Mahabadi Mohamadi, Mohamad

اطلاعات کتابشناختی

بهبود ستبری شبکه های عصبی ژرف در برابر مثال های هم آوردی در تصاویر
پدیدآور اصلی :   مه آبادی محمدی، محمد Mahabadi Mohamadi, Mohamad
ناشر :   صنعتی شریف
سال انتشار  :   1400
موضوع ها :   شبکه های عصبی عمیق Deep Neural Networks استواری Robustness دسته بندی Classification ...
شماره راهنما :   ‭19-54683

جستجو در محتوا

ترتيب

فهرست مطالب

  • فهرست مطالب (7)
  • فهرست تصاویر (10)
  • فهرست جداول (12)
  • پیش گفتار (13)
    • مقدمه (13)
    • حالت و سیستم کوانتمی (14)
      • حالت کوانتمی (14)
      • حالت کوانتمی سیستم مرکب (14)
      • حالت خالص و مخلوط (14)
      • تجزیه اشمیت (15)
    • درهم تنیدگی (16)
    • پیچیدگی محاسباتی (16)
    • مساله جداپذیری (18)
    • شاهد درهم تنیدگی (18)
    • معیار Peres – Horodecki (PPT) (19)
    • نمایش حالت های دوکیوبیت (20)
    • بررسی سایر رویکرد های موجود (21)
    • ساختار پایان نامه و علامت گذاری (22)
  • یادگیری ماشینی (23)
    • مقدمه (23)
    • یادگیری ماشین چیست؟ (23)
    • انواع یادگیری ماشین (25)
      • یادگیری نظارت شده (25)
      • یادگیری نظارت نشده (25)
      • یادگیری شبه نظارت شده (25)
    • شبکه های عصبی (26)
    • شبکه های خود رمزگذار (26)
    • تشخیص ناهنجاری (27)
    • متریک های ارزیابی (28)
      • ماتریس درهم ریختگی (30)
    • نتیجه گیری (30)
  • تشخیص حالت های درهم تنیده از جداپذیر (33)
    • مقدمه (33)
    • تولید داده ها (33)
    • بررسی آماری داده ها (34)
    • روش های کلاسیک (36)
      • اهمیت ویژگی ها (38)
    • شبکه های عصبی (39)
    • شبکه عصبی خود رمزگذار (40)
    • شبکه عصبی با تعداد ویژگی کمتر (40)
    • تقارن استوانه ای (43)
    • پایداری و اثر نوفه (46)
    • یادگیری نظارت نشده (47)
    • یادگیری شبه نظارت شده (48)
    • نتیجه گیری (49)
  • جمع بندی و پیشنهادها (51)
    • جمع بندی (51)
    • پیشنهادها (52)
      • بررسی تقارن های دیگر (53)
      • ابعاد بالاتر (53)
      • ماشین بولتزمن و مدل های تولید کننده (53)
      • روش های دیگر یادگیری ماشینی (54)
  • مراجع (55)
Loading...