Deep Learning Course via MATLAB
Artificial Intelligence :: Smart Advanced Programming
Explore the Concepts of Deep learning.
Deep Learning :: CNN - Handwritten Digits (Part 4) .
Convolutional Neural Network

Deep learning is part of a broader family of machine learning methods based on artificial neural networks with representation learning. Learning can be supervised, semi-supervised or unsupervised.

Deep-learning architectures such as deep neural networks, deep belief networks, graph neural networks, recurrent neural networks and convolutional neural networks have been applied to fields including computer vision, speech recognition, natural language processing, machine translation, bioinformatics, drug design, medical image analysis, material inspection and board game programs, where they have produced results
comparable to and in some cases surpassing human expert performance.


In this example, we want to train a convolutional neural network (CNN)
to identify & recognize handwritten digits. We will use data from the MNIST dataset, which contains 60,000 images of handwritten numbers 0–9.
Convolution Neural Network

The MNIST database of handwritten digits, available from this page, has a training set of 60,000 examples, and a test set of 10,000 examples. It is a subset of a larger set available from NIST. The digits have been size-normalized and centered in a fixed-size image.
It is a good database for people who want to try learning techniques and pattern recognition methods on real-world data while spending minimal efforts on preprocessing and formatting.

Link for the handwritten dataset MNIST database:
http://yann.lecun.com/exdb/mnist/



البداية الصحيحة للدخول إلى عالم الذكاء الصنعي
دورة متقدمة لشرح التعلم العميق- بناء نظام لإدراك الحروف المكتوبة بخط اليد - الجزء الرابع - الدرس السادس
شرح آلية عمل الذكاء الصنعي و كيفية استخدام أدواته

التعلم العميق هو جزء من مجموعة أوسع من أساليب التعلم الآلي القائمة على الشبكات العصبية الاصطناعية مع التعلم التمثيلي. يمكن أن يكون التعلم تحت إشراف أو شبه خاضع للإشراف أو بدون إشراف.

تم تطبيق بنيات التعلم العميق مثل الشبكات العصبية العميقة وشبكات المعتقدات العميقة والشبكات العصبية للرسم البياني والشبكات العصبية المتكررة والشبكات العصبية التلافيفية في مجالات تشمل رؤية الكمبيوتر والتعرف على الكلام ومعالجة اللغة الطبيعية والترجمة الآلية والمعلوماتية الحيوية وتصميم الأدوية والطبية برامج تحليل الصور وفحص المواد وألعاب الطاولة ، حيث أسفرت عن نتائج مماثلة وفي بعض الحالات تفوق أداء الخبراء البشريين.

في هذا المثال ، نريد تدريب شبكة عصبية تلافيفية (CNN)
للتعرف على الأرقام المكتوبة بخط اليد. سنستخدم البيانات من مجموعة بيانات MNIST ،
الذي يحتوي على 60.000 صورة لأرقام مكتوبة بخط اليد من 0 إلى 9.

تحتوي قاعدة بيانات MNIST للأرقام المكتوبة بخط اليد ، والمتاحة من هذه الصفحة ، على مجموعة تدريب تتكون من 60.000 مثال ومجموعة اختبار من 10000 مثال. إنها مجموعة فرعية من مجموعة أكبر متوفرة من NIST. تم تسوية الأرقام بالحجم وتم توسيطها في صورة ذات حجم ثابت.
إنها قاعدة بيانات جيدة للأشخاص الذين يرغبون في تجربة تقنيات التعلم وطرق التعرف على الأنماط على بيانات العالم الحقيقي بينما ينفقون الحد الأدنى من الجهود على المعالجة المسبقة والتنسيق.

رابط قاعدة المعطيات
http://yann.lecun.com/exdb/mnist/