دپارتمان پژوهشی سفیر

طرح انتقال امن

دانلود مقاله : یک بررسی مقدماتی از یادگیری عمیق برای مدل های پیش بینی با داده های بزرگ

یک بررسی مقدماتی از یادگیری عمیق برای مدل های پیش بینی با داده های بزرگ

عنوان انگلیسی مقالهAn Introductory Review of Deep Learning for Prediction Models With Big Data
 تعداد صفحات انگلیسی۲۳
 تعداد صفحات فارسی۵۸
قالب فایل Word
  سال نشر۲۰۲۰
لینک مقاله https://www.frontiersin.org/articles/10.3389/frai.2020.00004/full
دانلود رایگان مقاله انگلیسی کلیک جهت دانلود مقاله انگلیسی
دانلود مقاله فارسیکلیک جهت دانلود مقاله فارسی
ترجمه عناوین تصاویر و جداولترجمه شده است
درج تصاویر در فایل ترجمه درج شده

 چکیده

مدل های یادگیری‌عمیق ارائه دهنده یک الگوی جدید از یادگیری در هوش مصنوعی (AI) و یادگیری ماشین هستند. نتایج موفقیت آمیز اخیر در تجزیه و تحلیل تصویر و تشخیص گفتار ، علاقه چشمگیری در این شاخه علمی ایجاد کرده است ؛ چرا که امکان به کارگیری یادگیری‌عمیق در بسیاری از حوزه های دیگر که با داده های بزرگ سر و کار دارند ، وجود دارد. از معایب یادگیری عمیق ، بخصوص برای دانشمندان میان رشته ای ، محاسبات و ریاضیات پیچیده ای است که در مدل های یادگیری عمیق وجود دارد. یادگیری عمیق

به همین دلیل ، ما در این مقاله یک مرور کلی به رویکردهای یادگیری عمیق شامل شبکه های عصبی پیشخور (D-FFNN) ، شبکه های عصبی کانولوشن (CNNs) ، شبکه باور عمیق (DBNs) ، خودرمزگذارها (AEs) ، حافظه طولانی کوتاه-مدت (LSTM) خواهیم داشت.

این مدل ها اصلی ترین مدلها در معماری یادگیری عمیق هستند؛ که در حال حاضر استفاده می شوند و باید در جعبه ابزار هر دانشمند علم داده قرار داشته باشند. نکته مهم ، بلوک های اصلی سازنده معماری می توانند به صورت انعطاف پذیری ترکیب شوند ( تقریباً به روشی مانند لگو)، تا معماری های شبکه برای کاربردهای خاص نیز ساخته شود. از این رو ، درک معماری های این شبکه ها دارای اهمیت است تا برای تحولات آینده در هوش مصنوعی آماده شویم.

یادگیری عمیق

مشاهده جدیدترین مقالات ترجمه شده در مورد بلاک چین

مشاهده جدیدترین مقالات ترجمه شده مهندسی کامپیوتر

مشاهده جدیدترین مقالات ترجمه شده اینترنت اشیا

مشاهده جدیدترین مقالات ترجمه شده داده کاوی

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *