مروری بر رویکرد یادگیری عمیق در صنعت هوافضا

در سال های اخیر، یادگیری عمیق به محرک اصلی راه حل های نوآورانه برای مساله های هوش مصنوعی تبدیل گردیده که این امر با افزایش مقدار داده های موجود، افزایش منابع محاسباتی و روش های بهبود یافته در آموزش شبکه های عمیق امکان پذیر شده است. پیشرفت و افزایش توان پردازش رایانه ها و توانمندتر شدن روش های هوش مصنوعی مانند یادگیری ماشین و یادگیری عمیق، زمینه را برای اجرا شدن بسیاری از طرح های هوافضایی آسان تر نموده است. استدلال های نظری و بیولوژیکی نشان می دهند که در راستای ساخت سیستمی هوشمند با توانایی استخراج بازنمایی های سطح بالا و قدرتمند از داده ها، نیاز به مدل هایی با معماری عمیقی است که شامل بسیاری از لایه های پردازشی غیرخطی می باشد. شاید بتوان گفت، بهترین و پرکاربردترین نمونه از این شبکه ها، به دلیل سازگاری آن با انواع داده ها، شبکه های عصبی چندلایه هستند. شبکه های عصبی عمیق ساختارهای متفاوت، انواع مختلف و گونه های متنوعی را دارا هستند و با توجه به نوع داده ها و هدف مساله از آنها استفاده می شود و هرکدام دارای نقاط قوت و ضعف خود را دارند. در این مقاله به بررسی و کاربرد این شبکه ها در مساله های مختلف هوافضایی پرداخته شده است.

کلیدواژه ها:

یادگیری عمیق ، شبکه عصبی مصنوعی ، شبکه عمیق ، یادگیری انتقالی ، یادگیری هندسی