یادگیری عمیق

از ویکی‌پدیا، دانشنامهٔ آزاد
پرش به: ناوبری، جستجو

یادگیری ژرف (به انگلیسی: Deep learning) (به بیانی دیگر: یادگیری ژرف ماشین، یادگیری ساختار ژرف یا یادگیری سلسله مراتبی) یک زیر شاخه از یادگیری ماشینی است که پایه ی آن بر یادگیری نمایش دانش و ویژگی‌ها در لایه‌های مدل است.[۱] یک نمونه آموزشی ( برای نمونه : تصویر یک گربه) می تواند به صورت های گوناگون بسان یک بردار ریاضی پر شده از مقدار به ازای هر پیکسل و در دید کلی تر به شکل یک مجموعه از زیرشکل های کوچک تر (نظیر اعضای صورت گربه) مدل سازی شود. برخی از این روش های مدل سازی سبب ساده شدن فرایند یادگیری ماشین (برای نمونه : تشخیص تصویر گربه) می شود. در یادگیری ژرف امید به جایگزینی استخراج این ویژگی های تصویر به دست بشر (مانند اعضای گربه) با روش های کامل خودکار بدون نظارت (به انگلیسی: Unsupervised) و نیمه نظارتی (به انگلیسی: Semi-supervised) وجود دارد. [۲] انگیزه ی نخستین در بوجود آمدن این ساختار یادگیری از راه بررسی ساختار عصبی در مغز انسان الهام گرفته شده است که در آن یاخته های عصبی با فرستادن پیام به یکدیگر درک را امکان پذیر می کنند.[۳] بسته به فرض های گوناگون در مورد نحوه ی اتصال این یاخته های عصبی ، مدل ها و ساختار های مختلفی در این حوزه پیشنهاد و بررسی شده‌اند ، هرچند که این مدل ها به صورت طبیعی در مغز انسان وجود ندارد و مغز انسان پیچیدگی های بیشتری را دارا است. این مدل ها نظیر شبکه عصبی عمیق (به انگلیسی: deep neural network) ، شبکه عصبی پیچیده (به انگلیسی: convolutional neural network) ، شبکه باور عمیق (به انگلیسی: deep belief network) پیشرفت های خوبی را در حوزه های پردازش زبان‌های طبیعی ، پردازش تصویر ایجاد کرده اند

در حقیقت عبارت یادگیری عمیق، بررسی روش های تازه برای شبکه عصبی مصنوعی است. [۴][۵]

منابع[ویرایش]

  1. Bengio, Y. (2009). Learning Deep Architectures for AI. Now Publishers. 
  2. Song, Hyun Ah, and Soo-Young Lee. "Hierarchical Representation Using NMF." Neural Information Processing. Springer Berlin Heidelberg, 2013.
  3. Olshausen, Bruno A. "Emergence of simple-cell receptive field properties by learning a sparse code for natural images." Nature 381.6583 (1996): 607-609.
  4. Ronan Collobert (May 6, 2011). "Deep Learning for Efficient Discriminative Parsing". videolectures.net.  Ca. 7:45.
  5. Gomes, Lee (20 October 2014). "Machine-Learning Maestro Michael Jordan on the Delusions of Big Data and Other Huge Engineering Efforts". IEEE Spectrum. 

پیوند به بیرون[ویرایش]