Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

یادگیری عمیق برای دستگاه ها و خدمات مصرفی فرا تر از مرز های یادگیری ماشین، هوش مصنوعی و بینایی کامپیوتر

ششمین همایش بین المللی دانش و فناوری مهندسی برق، کامپیوتر و مکانیک ایران
سال انتشار: 1400
کد COI مقاله: UTCONF06_096
زبان مقاله: فارسیمشاهده این مقاله: 198
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 16 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله یادگیری عمیق برای دستگاه ها و خدمات مصرفی فرا تر از مرز های یادگیری ماشین، هوش مصنوعی و بینایی کامپیوتر

باربد بالنده - دانشجوی کارشناسی نرم افزار موسسه آموزش عالی غیرانتفاعی زند دانش گستر شیراز
محمدرضا اسلامی نژاد - استاد هیئت علمی دانشگاهی موسسه آموزش عالی زند دانش گستر شیراز

چکیده مقاله:

در چند سال گذشته، ما شاهد رشد تصاعدی در فعالیت ها ی تحقیقاتی در زمینه آموزش پیشرفته شبکه های عصبی پیچشی (CNN) بوده ایم، حوزه ای که به یادگیری عمیق معروف شده است . این امر با ترکیبی از در دسترس بودن مجموعه داده های بسیار بزرگتر، تا حد ی به لطف رشد متناظر در داده های بزرگ، و ورود سخت افزار جدید مبتن ی بر واحد پردازش گرافیکی GPU ، ایجاد شده است. که این مجموعه های داده بزرگ را قادر میسا زد در بازه های زمانی معقول پردازش شود. ناگهان، طیف گسترده ای از مشکلات طولانی مدت در یادگیری ماشین، هوش مصنوعی و بینایی کامپیوتری شاهد پیشرفت های قابل توجهی بوده اند که اغلب برای شکستن موانع عملکرد طولانی مدت کافی است. این دستاوردها در زمینه های مختلف، الهام بخش توسعه ابزارها و رو ش ها ی بهبود یافت های بوده اند که منجر به کاربرد گسترده تر یادگیری عمیق میشود. نسل جدید دستیارهای هوشمند، مانند Alexa ، Hello Google و دیگران، ریشه و الگوریتم های یادگیری خود را با یادگیری عمیق گره خورده اند. در این مقاله، وضعیت فعلی یادگیری عمیق را بررسی میکنیم، توضیح میدهیم که چیست، چرا توانسته است تکنیک های قدیمی شبکه ها ی عصبی مرسوم را بهبود بخشد، و مهمتر از همه، چگونه میتوانید با استفاده از یادگیری عمیق ،فعالیت های تحقیقاتی خود را برای حل مشکلات جدید و قدیمی و ساخت دستگاه ها و خدمات مصرف کننده بهتر و هوشمندتر شروع کنید

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا UTCONF06_096 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1432567/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
بالنده، باربد و اسلامی نژاد، محمدرضا،1400،یادگیری عمیق برای دستگاه ها و خدمات مصرفی فرا تر از مرز های یادگیری ماشین، هوش مصنوعی و بینایی کامپیوتر،ششمین همایش بین المللی دانش و فناوری مهندسی برق، کامپیوتر و مکانیک ایران،تهران،https://civilica.com/doc/1432567

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1400، بالنده، باربد؛ محمدرضا اسلامی نژاد)
برای بار دوم به بعد: (1400، بالنده؛ اسلامی نژاد)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: موسسه غیرانتفاعی
تعداد مقالات: 442
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

طرح های پژوهشی مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی