فلش‌کارت‌های آموزشی محاسبات عصبی: شبیه‌سازی ساختار و عملکرد مغز در کامپیوتر

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره محاسبات عصبی: شبیه‌سازی ساختار و عملکرد مغز در کامپیوتر

موضوع کلی: علوم کامپیوتر و هوش مصنوعی

موضوع میانی: معماری‌های محاسباتی الهام‌گرفته از مغز

📋 سرفصل‌های دوره

• 1. مبانی نوروساینس محاسباتی
• 2. مقدمه‌ای بر نورون‌ها و سیناپس‌ها
• 3. مدل‌های ریاضی نورون‌های زیستی
• 4. شبکه‌های عصبی زیستی: ساختار و دینامیک
• 5. یادگیری در مغز: اصول و مکانیسم‌ها
• 6. مقدمه‌ای بر محاسبات عصبی
• 7. مدل‌های محاسباتی نورون‌ها (آیژان-هیل، لیکی، و غیره)
• 8. شبیه‌سازی نورون‌های منفرد
• 9. شبکه‌های نورونی: مدل‌های پایه
• 10. یادگیری هب و انواع آن
• 11. یادگیری قانون‌مند (قانون هِـب)
• 12. یادگیری غیرهب
• 13. مکانیزم‌های پلاستیسیته سیناپسی
• 14. پتانسیل‌سازی درازمدت (LTP) و تضعیف درازمدت (LTD)
• 15. شبکه‌های عصبی رگرسیو (Hopfield Networks)
• 16. شبکه‌های عصبی پیش‌خور (Feedforward Networks)
• 17. شبکه‌های عصبی بازگشتی (Recurrent Networks)
• 18. شبکه‌های عصبی کانولوشنال (CNN)
• 19. شبکه‌های عصبی کانولوشنال سه‌بعدی
• 20. شبکه‌های عصبی کانولوشنال در پردازش تصویر
• 21. شبکه‌های عصبی کانولوشنال در بینایی ماشین
• 22. شبکه‌های عصبی کانولوشنال در پردازش زبان طبیعی
• 23. شبکه‌های عصبی بازگشتی در پردازش دنباله‌ها
• 24. شبکه‌های عصبی بازگشتی با حافظه طولانی کوتاه مدت (LSTM)
• 25. شبکه‌های عصبی بازگشتی با واحد بازگشتی دروازه‌ای (GRU)
• 26. مدل‌های ترانسفورمر (Transformer Models)
• 27. مکانیسم توجه (Attention Mechanism)
• 28. مدل‌های زبانی بزرگ (LLMs)
• 29. معماری‌های ترانسفورمر برای پردازش زبان طبیعی
• 30. کاربردهای ترانسفورمر در ترجمه ماشینی
• 31. کاربردهای ترانسفورمر در تولید متن
• 32. کاربردهای ترانسفورمر در خلاصه‌سازی متن
• 33. شبکه‌های عصبی اسپایکی (Spiking Neural Networks - SNNs)
• 34. مدل‌های نورون اسپایکی (Izhikevich, Leaky Integrate-and-Fire)
• 35. شبیه‌سازی شبکه‌های اسپایکی
• 36. یادگیری در شبکه‌های اسپایکی
• 37. الگوریتم‌های یادگیری برای SNNs
• 38. کاربردهای SNNs در پردازش سیگنال‌های زمانی
• 39. کاربردهای SNNs در رباتیک
• 40. کاربردهای SNNs در سخت‌افزارهای عصبی
• 41. محاسبات مبتنی بر رویداد (Event-Based Computing)
• 42. سنسورهای مبتنی بر رویداد
• 43. معماری‌های سخت‌افزاری عصبی (Neuromorphic Hardware)
• 44. تراشه‌های عصبی
• 45. شبیه‌سازهای سخت‌افزاری عصبی
• 46. طراحی مدارهای مجتمع عصبی
• 47. معماری‌های حافظه در سخت‌افزارهای عصبی
• 48. حافظه‌های مقاومتی (Resistive Memories)
• 49. حافظه‌های فاز-چنج (Phase-Change Memories)
• 50. حافظه‌های مغناطیس‌مقاوم (MRAM)
• 51. شبکه‌های عصبی مولد (Generative Adversarial Networks - GANs)
• 52. معماری GANs
• 53. آموزش GANs
• 54. کاربردهای GANs در تولید تصویر
• 55. کاربردهای GANs در تولید ویدئو
• 56. کاربردهای GANs در سنتز صدا
• 57. شبکه‌های عصبی بیزی (Bayesian Neural Networks)
• 58. مقدمه‌ای بر یادگیری بیزی
• 59. مدل‌سازی عدم قطعیت در شبکه‌های عصبی
• 60. کاربردهای شبکه‌های عصبی بیزی
• 61. یادگیری تقویتی (Reinforcement Learning)
• 62. مبانی یادگیری تقویتی
• 63. الگوریتم‌های یادگیری تقویتی (Q-Learning, SARSA)
• 64. یادگیری عمیق تقویتی (Deep Reinforcement Learning)
• 65. شبکه‌های عصبی عمیق در یادگیری تقویتی
• 66. کاربردهای یادگیری تقویتی در رباتیک
• 67. کاربردهای یادگیری تقویتی در بازی‌ها
• 68. کاربردهای یادگیری تقویتی در سیستم‌های توصیه‌گر
• 69. یادگیری انتقالی (Transfer Learning)
• 70. مبانی یادگیری انتقالی
• 71. تکنیک‌های یادگیری انتقالی
• 72. کاربردهای یادگیری انتقالی در بینایی ماشین
• 73. کاربردهای یادگیری انتقالی در پردازش زبان طبیعی
• 74. یادگیری فدرال (Federated Learning)
• 75. مبانی یادگیری فدرال
• 76. الگوریتم‌های یادگیری فدرال
• 77. کاربردهای یادگیری فدرال در حفظ حریم خصوصی
• 78. کاربردهای یادگیری فدرال در دستگاه‌های موبایل
• 79. شبکه‌های عصبی گراف (Graph Neural Networks - GNNs)
• 80. مبانی شبکه‌های عصبی گراف
• 81. معماری‌های GNNs
• 82. کاربردهای GNNs در تحلیل شبکه‌های اجتماعی
• 83. کاربردهای GNNs در کشف دارو
• 84. کاربردهای GNNs در سیستم‌های توصیه‌گر
• 85. پردازش سیگنال‌های عصبی
• 86. الکتروانسفالوگرافی (EEG)
• 87. الکتروکورتیکوگرافی (ECoG)
• 88. رابط‌های مغز و کامپیوتر (Brain-Computer Interfaces - BCIs)
• 89. طراحی سیستم‌های BCI
• 90. کاربردهای BCI در توانبخشی
• 91. کاربردهای BCI در کنترل پروتزها
• 92. اخلاق در هوش مصنوعی و محاسبات عصبی
• 93. مسئولیت‌پذیری در سیستم‌های هوش مصنوعی
• 94. حفظ حریم خصوصی در داده‌های عصبی
• 95. چالش‌های پیاده‌سازی سیستم‌های عصبی
• 96. آینده محاسبات عصبی