کدهای شبکه عصبی پیچشی (همگشتی) CNN

شبکه‌های عصبی پیچشی یا همگشتی (Convolutional Neural Network) (CNN یا ConvNet) نوع دیگری از شبکه‌های عصبی هستند که معمولاً برای انجام تحلیل‌های تصویری یا گفتاری در یادگیری ماشین استفاده می‌شوند.

شبکه‌های عصبی پیچشی به منظور کمینه کردن پیش‌پردازش‌ها از گونه‌ای از پرسپترون های چندلایه استفاده می‌کنند. بعضی اوقات به جای اسم شبکه عصبی پیچشی، از نام های شبکه عصبی تغییرناپذیر با انتقال (shift invariant) یا تغییرناپذیر با فضا (space invariant) یاد می‌شود. این نام‌گذاری بر مبنای ساختار این شبکه است.

ساختار شبکه‌های پیچشی از فرایندهای زیستی قشر بینایی گربه الهام گرفته‌شده‌است. این ساختار به گونه‌ای است که تک‌نورون‌ها تنها در یک ناحیه محدود به تحریک پاسخ می‌دهند که به آن ناحیه پذیرش گفته می‌شود. نواحی پذیرش نورون‌های مختلف به صورت جزئی با هم همپوشانی دارند به گونه ای که کل میدان دید را پوشش می‌دهند.

شبکه‌های عصبی پیچشی نسبت به بقیه رویکردهای دسته‌بندی تصاویر به میزان کمتری از پیش‌پردازش استفاده می‌کنند. این امر به معنی آن است که شبکه معیارهایی را فرامی‌گیرد که در رویکردهای قبلی به صورت دستی فراگرفته می‌شدند. این استقلال از دانش پیشین و دستکاری‌های انسانی در شبکه‌های عصبی پیچشی یک مزیت اساسی است.

تاکنون کاربردهای مختلفی برای شبکه‌های عصبی از جمله در بینایی کامپیوتر، سیستم‌های پیشنهاددهنده و پردازش زبان طبیعی ارائه شده‌اند.

حال، مجموعه کامل کدهای نرم افزار Matlab این شبکه گردآوری شده است. شما می توانید آن را تهیه و استفاده نمایید.

CNN – Convolutional neural network class This project provides matlab class for implementation of convolutional neural networks

Deep Neural Network It provides deep learning tools of deep belief networks (DBNs)

myCNN is a Matlab implementation of convolutional neural network (CNN)