درس مقدمه‌ای بر شبکه‌های عصبی و یادگیری عمیق

جلسه اول. فصل اول. # بهار ۱۴۰۲

5. Recurrent Neural Networks Recurrent Neural Network(RNN) Long Short Term Memory (LSTM) Gated Recurrent Units(GRU) Some Extensions 6. Transformers Attention Mechanisms Vanilla Transformer Vision Based Transformers 7. Deep Generative Models Variational Auto-encoders Generative Adversarial Networks Flow-based Deep Generative Models Diffusion Models

1. Introduction Natural Neural Networks Artificial NNs and Applications Architectures, Activation Functions and Learning in ANNs Mcculloch & Pitz Neuron 2. Fully Connected Neural Networks Linear Perceptron, AdaLine and MadaLine Multi-Layer Perceptron (MLP) Auto-encoders and Restricted Boltzmann Machine Deep belief networks 3. Convolutional Neural Networks (CNNs) Convolutional Neural Networks (CNNs) Developments and Techniques in CNNs Some popular Architectures (AlexNet, VGG, ResNet, Inception, MobileNet, DenseNet, and EfficientNet) 4. Region based CNNs CNNs for Object Detection (RCNN, Mask RCNN, YOLO,...) CNNs for Object Segmentation (UNet, Mask RCNN, ...)

محتوای درس در ترم بهار 1401

انتشار محتوای پاییز 1401 درس شبکه‌های عصبی مصنوعی و یادگیری عمیق در این جا پایان می‌پذیرد. برای همگی مخاطبان، آرزوی موفقیت دارم. دستیاران ارشد رضا دهقانی - کیمیا علوی ( برنامه ریزی محتوای تکالیف و ارائه ها، زمان بندی تقویم درس) تیم دستیاران دوره پاییز 1401: - امیراحمد دوانلو - دانیال سعیدی ( تمرین اول، MLP ) - امین محمد محمدی - شهلا دانشی ( تمرین دوم، CNN ) - مجتبی امیری - محمد نیلی ( تمرین سوم، RCNN ) - محمد سپهری - امین شیخ زاده ( تمرین چهارم، RNN ) - میلاد رئیسی - سیاوش شمس ( تمرین پنجم، Transformers ) - عباس بدیعی - سعید محمدی دشتکی ( تمرین ششم، GAN ) - سیاوش رزمی ( تمرین اضافه، Fraud Detection ) - سجاد علیخانی ( تمرین اضافه، Liveness Detection ) - مصطفی حاجی قاسملو ( تمرین اضافه، OCR ) - مائده طوسی ( طراحی و مدیریت محتوای صفحه وب درس ) https://dnn-ut.github.io/ #پاییز1401