هوش مصنوعی و یادگیری عمیق شبکه های عصبی مصنوعی کانولوشن (CNN)

یادگیری ماشینی یک رشته فرعی از علوم کامپیوتر است و نوعی هوش مصنوعی (AI) است که ماشین هایی با توانایی یادگیری بدون برنامه نویسی صریح را فراهم می کند. یادگیری ماشینی از تشخیص الگو و نظریه یادگیری محاسباتی تکامل یافت. در اینجا، برخی مفاهیم اساسی یادگیری ماشین و همچنین الگوریتم های یادگیری ماشین به کار رفته برای تجزیه و تحلیل داده های هوشمند که توسط دستگاه های IOT جمع آوری می شوند، مورد بحث قرار می گیرند. الگوریتم یادگیری مجموعه ای از نمونه ها را به عنوان ورودی به نام مجموعه آموزشی در نظر می گیرد. هوش مصنوعی بسیار گسترده می باشد و دربرگیرنده هر آنچیزی است که با یادگیری ماشین، یادگیری عمیق و شبکه های عصبی مصنوعی (CNN) قابل انجام می باشد. شبکه عصبی کانولوشن یک کلاس از روش های یادگیری عمیق است . شبکه عصبی کانولوشن (CNN)، یک کلاس از شبکه های عصبی مصنوعی است که در کارهای مختلف بینایی کامپیوتری بسیار مطرح شده است. سی ان ان برای یادگیری خودکار و تطبیقی یک سلسله مراتب از ویژگی ها از طریق پس-انتشار بازگشتی با استفاده از بلوک های سازنده متعدد مانند لایه های کانولوشن، لایه های ادغام و لایه های کاملا متصل طراحی شده است. آشنایی با مفاهیم و مزایا و محدودیت های سی ان ان برای استفاده از پتانسیل آن در کاربردهای مختلف ضروری است. روش تحقیق در این پژوهش از نوع کاربردی و مبتنی بر تحلیل داده ها با رویکرد کمی است.

کلیدواژه ها:

هوش مصتوعی ، شبکه های عصبی مصنوع و کانولوشن( CNN).