یادگیری عمیق در هوش مصنوعی
- سال انتشار: 1402
- محل انتشار: دومین کنفرانس دانشجویان مهندسی کامپیوتر و فناوری اطلاعات و ارتباطات
- کد COI اختصاصی: CICTC02_017
- زبان مقاله: فارسی
- تعداد مشاهده: 736
نویسندگان
استادیار، گروه علوم کامپیوتر، دانشگاه آزاد اسلامی . واحد ملارد
استادیار، گروه علوم کامپیوتر، دانشگاه آزاد اسلامی، واحد ملارد
چکیده
در شبکه های عصبی که چندین لایه ی مخفی دارند و یا در فرمول های گزاره ای پیچیده می توان با تقسیم این فرمولهای گزاره ای به چندین فرمول گزاره ای کار را راحتر کرد. جستجوی پارامترها در فضای مساله در معماری عمیق کار سختیاست. اما الگوریتم های آموزشی مانند شبکه های باور عمیق، کد گذاری پراکنده، انکدر های خودکار پراکنده عمیق برای غلبهبر این پیچیدگی های مسایل و حل آنها به تازگی به موفقیت هایی دست یافته اند. در این گزارش. هدف بررسی یادگیریالگوریتم هایی برای معماری عمیق میباشد. به ویژه تمرکز ما بر روی الگوریتم های بدون نظارت مدلهای تک لایه ی همانندماشین محدود بولتزمن که برای ساخت مدل های عمیق مانند شبکه های باور عمیق می باشند و انکدرهای خودکار، است.آموزش بدون نظارت از نمایش ها یا بازنمایی ها در بسیاری از برنامه ها مفید بوده و دارای مزیت های فراوانی است به عنوانمثال در مسایل که داده های بدون برچسب وجود دارند ویا مسایلی که داده ها دارای برچسب هستند (یاد گیری نیمه نظارتی) یا آن هایی که در نمونه بدون برچسب یا برچسب دار از یک توزیع متفاوت اما مرتبط به یکی از موارد مورد علاقه ( یادگیریخود آموخته، آموزش چند وظیفه و دامنه تطابق ) می باشند. برخی از این الگوریتم ها با موفقیت برای یادگیری یک سلسلهمراتب از ویژگی ها استفاده شده اند. به عنوان مثال برای ایجاد یک معماری عمیق یا به عنوان نمونه اولیه برای یک پیشبینی نظارت شده و یا به عنوان یک مدل مولد استفاده شده اند. الگوریتم های یاد گیری عمیق می توانند نمایشاتی را بازنماییکنند که انتزاعی تر بوده و عوامل پنهان از تنوع اساسی توزیع های ناشناخته را بهتر بازکنند. همچنین در این گزارش بهبررسی انگیزه ها و ایده های اصلی در پشت الگوریتم های یادگیری عمیق و اجزای یادگیری بازنمایی آن ها می پردازیم وچشم اندازی از چالش ها و امیدهای پیش رو را با تمرکز برروی مسائل مربوط به یادگیری عمیق را بررسی می نماییم.کلیدواژه ها
معماری یاد گیری عمیق، شبکه های عصبی مصنوعی عمیق، یاد گیری بازنمایی، پیش آموزش بدون نظارت، شبکه های باور عمیقمقالات مرتبط جدید
- تحلیل چالشها و راهکارهای تقویت ارتباط دانشگاه و صنعت: با تمرکز بر حلقههای مفقوده
- بازخوانی نقش دانشگاه و صنعت در توسعه ملی: از موانع تا راهکارها
- نشانگر تشخیصی جدید در ژن C-myc به عنوان کیت غیر تهاجمی تشخیص سرطان دهان
- برنامه ریزی منابع تجدید پذیر با درنظر گرفتن برنامه ریزی توسعه انتقال و تولید منابع توان راکتیو
- برنامه ریزی همزمان توسعه انتقال و منابع تولید توان راکتیو با استفاده از یک الگوریتم تکاملی بهبود یافته
اطلاعات بیشتر در مورد 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.