یادگیری عمیق از روشهای آموختن ماشین و هوش مصنوعی به شمار میرود که از روشی که ذهن انسان برای یادگیری موضوعات خاص به کار میگیرد، تقلید میکند. این نوع آموختن از عناصر مهم علم داده (Data science) و شامل آمار، مدلسازی و پیشبینی است. آموختن عمیق برای دانشمندان داده که وظیفه جمع آوری، تجزیه و تحلیل و تفسیر مقادیر زیادی از دادهها و اطلاعات را بر عهده دارند، بسیار کارآمد و مفید است و این روندسریعتر و آسانتر میکند.
برای اینکه بدانید یادگیری عمیق چیست و دقیقا چه کاربردی دارد، تا پایان این مطلب همراه ما باشید.
یادگیری عمیق (Deep Learning) بخشی از روشهای یادگیری ماشین است که بر روشهایی تمرکز دارد که مبتنی بر شبکههای عصبی مصنوعی (Artificial neural network) هستند. یادگیری عمیق به رایانهها میآموزد آنچه را که به طور طبیعی برای انسان انجام میشود، انجام دهند.
پاسخ دیگر به سوال آموختن عمیق چیست، میتواند این باشد که یادگیری عمیق زیرمجموعهای از آموختن ماشین است که در آن از الگوریتمهایی استفاده میشود که مغز انسان را شبیه سازی میکند. این الگوریتم شبکههای عصبی مصنوعی نام دارند. شبکههای عصبی مصنوعی از پردازش اطلاعات و گرههای ارتباطی توزیع شده در سیستمهای بیولوژیکی الهام گرفتهاند. میتوان گفت شبکههای عصبی تمایل به حالت ایستا و نمادین دارند.
مفهوم آموختن عمیق به زبان ساده، برای اولین بار در سال 1980 به صورت یک استدلال نظری ارائه شد. اما این مفهوم به دو دلیل عمده، اکنون بیش از گذشته مورد توجه قرار گرفته و مفید واقع شده است. این دلایل عبارتند از:
Deep Learning به تعداد زیادی از دادهها نیازمند است. به عنوان مثال، برای توسعه خودروهای خودران، میلیونها تصویر و هزاران ساعت ویدئو مورد نیاز است.
مقالات علمی را در فایل تب دانلود کنید.
برای فرستادن دیدگاه، باید وارد شده باشید.
تعيين شاخص های انتخاب بانك مطالعه موردی بر روی دانشجويان دانشگاه غنا تعداد صفحات: 13
خصوصیت و تبادل استری روغن بادام تلخ ایرانی برای تولید بیودیزل تعداد صفحات: 11
تحقیقات عددی و آزمایشی بر روی خصوصیات حفره ای یک پمپ سانتریفیوژ سرعت بالای دارای القا کننده تیغه شکاف تعداد […]
استراتژی های بازاریابی دیجیتال، بررسی آنلاین و عملکرد هتل تعداد صفحات: 24
نقد و بررسیها
هیچ دیدگاهی برای این محصول نوشته نشده است.