مروری بر شبکه های عصبی پیچشی در یادگیری عمیق

سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 185

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCT19_011

تاریخ نمایه سازی: 14 مرداد 1402

چکیده مقاله:

شبکه های عصبی پیچشی ( ۱CNN ) یکی از مرسوم ترین شبکه ها در زمینه یادگیری عمیق است. از آنجایی که شبکه عصبی پیچشی در بسیاری از زمینه ها، از جمله بینایی ماشین و پردازش زبان طبیعی، به دستاوردهایچشمگیری دست یافته است، در چند سال گذشته توجه بسیاری از سوی صنعت و دانشگاه را به خود جلب کرده است. بررسی های موجود عمدتا بر کاربردهای شبکه عصبی پیچشی در سناریو های مختلف بدون در نظر گرفتن شبکه عصبی پیچشی از منظر کلی متمرکز است و برخی از ایده های جدید ارائه شده در مدل های پیچشی، پوشش داده نشده است. در این بررسی، هدف ما ارائه ایده ها و چشم انداز هایی جدید در این زمینه ی حال رشد است. ابتدا، این مقاله با مقدمه ای کوتاه بر تاریخچه شبکه های عصبی پیچشی آغاز می شود. سپس، ما یک نمای کلی از شبکه عصبی پیچشی ارائه می دهیم و در نهایت، مدل های کلاسیک و مدرن شبکه عصبی پیچشی معرفی می شوند، و به نکات کلیدی که باعث می شود این مدل ها به نتایج بهینه برسند پرداخته می شود.

کلیدواژه ها:

نویسندگان

رضا قنبری عدیوی

دانشکده مهندسی برق و کامپیوتر دانشگاه نوشیروانی بابل

کیوان فردی پور

دانشکده مهندسی برق و کامپیوتر دانشگاه تربیت مدرس