✳️شبکه های عصبی | Deep Learning | قسمت دوم

📌 سه تا اصطلاح وجود داره که آخر ویدئو ازشون استفاده کرده👇🏻

ا1️⃣ training accuracy : یعنی دقت شبکه عصبی در تشخیص همان داده‌هایی که باهاشون آموزش دیده.

ا2️⃣ test accuracy : یعنی دقت شبکه عصبی در تشخیص داده‌های جدید.

ا3️⃣ overfitting : یعنی شبکه عصبی تنها قادر است داده‌هایی رو تشخیص بده که با اونها آموزش دیده و در تشخیص داده‌های جدید شکست می‌خوره.

📌 آخر ویدئو (مقاله اول) میگه اگر یک شبکه عصبی رو با داده هایی که برچسبشون بهم ریخته (یعنی مثلا یه چنگال برچسب قاشق داده شده) آموزش بدیم، "training accuracy" اش با حالتی که برچسب ها رو بهم نریخته باشیم تقریبا یکسانه (انگار شبکه عصبی برچسب‌ها رو فقط حفظ کرده) ولی قاعدتا " test accuracy" اونی که برچسب‌هاش بهم ریخته است، مثل شانسی حدس زدن است مثلا اگر 4 دسته (category) داشته باشیم، test accuracy حدودا 25 درصد خواهد بود، درواقع یعنی overfitting رخ داده است.

مقاله اول
مقاله نقیض مقاله اول
مقاله دوم
لینک کتابی که برای یادگیری شبکه عصبی معرفی شد

✔️ سایت DISTILL در حوزه یادگیری ماشین و هوش مصنوعی مقاله میذاره