مروری بر یادگیری عمیق

یادگیری عمیق یک شاخه از یادگیری ماشین و مجموعه ای از الگوریتم ها می باشد که به دلیل داشتن ساختار سلسه مراتبی، قابلیت بالایی در دسته بندی داده ها دارند. هم چنین ساختارهای عمیق میتوانند ارایه جامع تری از توابع در مقایسه با ساختارهای سطحی فراهم کنند. یادگیری عمیق بر اساس شبکه های عصبی مصنوعی رفتار مغز را در هنگام یادگیری مجموعه ای از نمونه ها تقلید می کند. در حال حاضر یادگیری عمیق در زمینه های بسیاری از جمله بینایی ماشین، تشخیص صدا، پردازش زبان طبیعی و پردازش سیگنال کاربرد دارد. همچنین می توانند با تحقیق در داده های وسیع پزشکی الگوهای مفید برای تشخیص بیماری ها پیدا کنند، یا با بررسی فرمول های شیمیایی به تهیه داروهای جدید بپردازند. یادگیری عمیق مجموعه ای از الگوریتم هایی است که تلاش می کنند مفاهیم انتزاعی سطح بالا را با استفاده از یادگیری در سطوح و لایه های مختلف مدل سازی کنند . یادگیری عمیق در واقع نگرشی جدید به ایده ی شبکه های عصبی می باشد که سالیان زیادی است وجود داشته و هر چند سال یکبار در قالبی جدید خود را نشان می دهد. در این مقاله برآنیم تا به معرفی عملکرد یادگیری عمیق، ساختار شبکه های عمیق، شبکه های کانولوشنال و معماری های مختلف شبکه های عصبی عمیق کانولوشنال بپردازیم.

کلیدواژه ها:

داده کاوی ، شبکه های عصبی مصنوعی ، شبکه های کانولوشنال ، یادگیری عمیق