08-09-2020, 02:21 PM
[font=Vazir, sans-serif]پردیس فناوری کیش _طرح مشاوره متخصصین صنعت ومدیریت _دپارتمان فناوری اطلاعات وارتباطات[/font]
یادگیری عمیق یا همان یادگیری ژرف یکی از مباحث جدید در هوش مصنوعی و یادگیری ماشین است.
مثال زیر را در نظر بگیرید و فرض کنید میخواهیم به یک شبکه عصبی عمیق، تصویر زیر را آموزش دهیم (این مثال یک نمونه ساده و احتمالاً غیر کاربردی است)
یادگیری عمیق یا همان یادگیری ژرف یکی از مباحث جدید در هوش مصنوعی و یادگیری ماشین است.
مثال زیر را در نظر بگیرید و فرض کنید میخواهیم به یک شبکه عصبی عمیق، تصویر زیر را آموزش دهیم (این مثال یک نمونه ساده و احتمالاً غیر کاربردی است)
![[تصویر: deep_learning_1.jpg]](http://chistio.ir/wp-content/uploads/2017/04/deep_learning_1.jpg)
اگر بخواهیم این تصویر را به به شبکه های عصبی عمیق آموزش دهیم، تصویر زیر میتواند گویا باشد:
![[تصویر: deep_learning_2-1.jpg]](https://chistio.ir/wp-content/uploads/2017/04/deep_learning_2-1.jpg)
همانطور که مشاهده میکنید، در تصویر بالا (که در واقع مدلی از یک شبکه ی عصبی عمیق است)، چهار لایه در نظر گرفته شده است. در لایه ی اول، یک سری اشکال بدون معنی (و بسیار جزئی)، قرار دارد. در لایه دوم، اشکال لایه اول با یکدیگر ترکیب شده و شکل های با معنی تری را می سازند. همان طور که مشاهده میکنید، هر چقدر لایه ها، جلو تر میروند، شکل های ساخته شده در آن لایه، با معنی تر می شوند. در تصویر بالا، لایه ی چهارم، یک شکل کامل است. به این صورت که شبکه، قادر است شکل را به صورت کامل یاد بگیرد.
یادگیری عمیق (Deep Learning) در حوزه های مختلفی مانند، دسته بندی تصاویر (تشخیص تصاویر)، دسته بندی متون، تشخیص صدا و… کاربردهای فراوانی دارد.
یادگیری عمیق یا همان یادگیری ژرف یکی از مباحث جدید در هوش مصنوعی و یادگیری ماشین است.
در یک تعریف کلی، یادگیری عمیق، همان یادگیری ماشین است، به طوری که در سطوح مختلف نمایش یا انتزاع (abstraction) یادگیری را برای ماشین انجام میدهد. با این کار، ماشین درک بهتری از واقعیت وجودی داده ها پیدا کرده و میتواند الگوهای مختلف را شناسایی کند.
برای شناسایی یادگیری عمیق، ابتدا نیاز به دانستن شبکه های عصبی دارید. بر اساس تعریف مشهور، یادگیری عمیق در واقع همان یادگیری به وسیله شبکه های عصبی ای هستند که دارای لایه های ی پنهانی (Hidden Layers) زیادی می باشند. هر چقدر در لایه های یک شبکه عصبی عمیق جلو تر میرویم، به مدلهای پیچیده تر (و کامل تری) میرسیم.
مثال زیر را در نظر بگیرید و فرض کنید میخواهیم به یک شبکه عصبی عمیق، تصویر زیر را آموزش دهیم (این مثال یک نمونه ساده و احتمالاً غیر کاربردی است)
یادگیری عمیق یا همان یادگیری ژرف یکی از مباحث جدید در هوش مصنوعی و یادگیری ماشین است.
در یک تعریف کلی، یادگیری عمیق، همان یادگیری ماشین است، به طوری که در سطوح مختلف نمایش یا انتزاع (abstraction) یادگیری را برای ماشین انجام میدهد. با این کار، ماشین درک بهتری از واقعیت وجودی داده ها پیدا کرده و میتواند الگوهای مختلف را شناسایی کند.
برای شناسایی یادگیری عمیق، ابتدا نیاز به دانستن شبکه های عصبی دارید. بر اساس تعریف مشهور، یادگیری عمیق در واقع همان یادگیری به وسیله شبکه های عصبی ای هستند که دارای لایه های ی پنهانی (Hidden Layers) زیادی می باشند. هر چقدر در لایه های یک شبکه عصبی عمیق جلو تر میرویم، به مدلهای پیچیده تر (و کامل تری) میرسیم.
مثال زیر را در نظر بگیرید و فرض کنید میخواهیم به یک شبکه عصبی عمیق، تصویر زیر را آموزش دهیم (این مثال یک نمونه ساده و احتمالاً غیر کاربردی است)
اگر بخواهیم این تصویر را به به شبکه های عصبی عمیق آموزش دهیم، تصویر زیر میتواند گویا باشد:
همانطور که مشاهده میکنید، در تصویر بالا (که در واقع مدلی از یک شبکه ی عصبی عمیق است)، چهار لایه در نظر گرفته شده است. در لایه ی اول، یک سری اشکال بدون معنی (و بسیار جزئی)، قرار دارد. در لایه دوم، اشکال لایه اول با یکدیگر ترکیب شده و شکل های با معنی تری را می سازند. همان طور که مشاهده میکنید، هر چقدر لایه ها، جلو تر میروند، شکل های ساخته شده در آن لایه، با معنی تر می شوند. در تصویر بالا، لایه ی چهارم، یک شکل کامل است. به این صورت که شبکه، قادر است شکل را به صورت کامل یاد بگیرد.
یادگیری عمیق (Deep Learning) در حوزه های مختلفی مانند، دسته بندی تصاویر (تشخیص تصاویر)، دسته بندی متون، تشخیص صدا و… کاربردهای فراوانی دارد.
source:https://chistio.ir
