Dərin öyrənmə - Haqqinda Melumat

Dərin öyrənmə — təmsil öyrənmə yolu ilə süni neyron şəbəkələrə əsaslanan maşın öyrənmə metodlarının alt dəsti. "Dərin" sözü şəbəkədə çoxlu təbəqələrin istifadəsinə aiddir. İstifadə olunan üsullar nəzarətli, yarı nəzarətli və ya nəzarətsiz ola bilər.

Dərin neyron şəbəkələr, dərin etimad şəbəkələri, təkrarlanan neyron şəbəkələr, konvolyusiya neyron şəbəkələr və transformatorlar kimi dərin öyrənmə arxitekturaları , nitqin tanınması, təbii dilin emalı, maşın tərcüməsi, bioinformatika, dərman hazırlanması, tibbi şəkil təhlili, klimatologiya, material analizi və stolüstü oyun proqramları kimi sahələrə tətbiq edilmişdir. Burada onlar insan ekspert performansı ilə müqayisə edilə bilən və bəzi hallarda onları üstələyən nəticələr əldə etmişlər.

Süni neyron şəbəkələri (SNŞ) bioloji sistemlərdə informasiyanın emalı və paylanmış kommunikasiya qovşaqlarından ilhamlanaraq yaradılmışdır. SNŞ-lərin bioloji beyinlərdən müxtəlif fərqləri mövcuddur. Xüsusilə, süni neyron şəbəkələri statik və simvolik olur, əksər canlı orqanizmlərin bioloji beyni dinamik (plastik) və analoqdur. SNŞ ümumiyyətlə beyin funksiyası üçün aşağı keyfiyyətli modellər kimi qəbul edilir.

Tərifi

Dərin öyrənmə, xam daxiletmə məlumatlarından daha yüksək səviyyəli xüsusiyyətləri mərhələli olaraq çıxarmaq üçün çoxlu qatlardan istifadə edən maşın öyrənmə alqoritmləri sinfidir.^:199–200 Məsələn, zamanı aşağı təbəqələr kənarları, yüksək təbəqələr isə rəqəmlər, hərflər və ya üzlər kimi insana aid olan anlayışları müəyyən edə bilər.

Dərin öyrənməyə başqa nöqteyi-nəzərdən baxsaq, dərin öyrənmə mənbədən (məsələn, itin təsviri) öyrənilmiş obyektə (itlər) qədər insanın öyrənmə proseslərinin "kompüterləşdirilməsi" və ya "avtomatlaşdırılması" deməkdir. Buna görə də, "daha dərin" öyrənmə və ya "ən dərin" öyrənmə kimi adlanan anlayışlar daha məntiqlidir. Ən dərin öyrənmə mənbədən öyrənilən son obyektə qədər tam avtomatik öyrənmə deməkdir. Beləliklə, daha dərin öyrənmə qarışıq öyrənmə prosesinə aiddir: mənbədən öyrənilmiş yarımobyektə insan öyrənmə prosesi, ardınca insanın öyrəndiyi yarımobyektdən son öyrənilmiş obyektə qədər kompüter öyrənmə prosesi.

İstinadlar

Schulz, Hannes; Behnke, Sven. . KI – Künstliche Intelligenz (ingilis). 26 (4). 1 November 2012: 357–363. doi:. ISSN .
LeCun, Yann; Bengio, Yoshua; Hinton, Geoffrey. "Deep Learning". Nature. 521 (7553). 2015: 436–444. Bibcode:. doi:. PMID .
Ciresan, D.; Meier, U.; Schmidhuber, J. Multi-column deep neural networks for image classification // 2012 IEEE Conference on Computer Vision and Pattern Recognition. 2012. 3642–3649. arXiv:. doi:. ISBN 978-1-4673-1228-8.
Krizhevsky, Alex; Sutskever, Ilya; Hinton, Geoffrey. (PDF). NIPS 2012: Neural Information Processing Systems, Lake Tahoe, Nevada. 2012. 2017-01-10 tarixində (PDF). İstifadə tarixi: 2017-05-24.
. TechCrunch. 25 May 2017. 17 June 2018 tarixində . İstifadə tarixi: 17 June 2018.
Marblestone, Adam H.; Wayne, Greg; Kording, Konrad P. . Frontiers in Computational Neuroscience. 10. 2016: 94. arXiv:. Bibcode:. doi:. PMC . PMID .
Bengio, Yoshua; Lee, Dong-Hyun; Bornschein, Jorg; Mesnard, Thomas; Lin, Zhouhan. "Towards Biologically Plausible Deep Learning". 13 February 2015. arXiv: [].
. MIT News | Massachusetts Institute of Technology (ingilis). 2022-11-02. 2023-12-07 tarixində . İstifadə tarixi: 2023-12-06.
Deng, L.; Yu, D. (PDF). Foundations and Trends in Signal Processing. 7 (3–4). 2014: 1–199. doi:. 2016-03-14 tarixində (PDF). İstifadə tarixi: 2014-10-18.
Zhang, W. J.; Yang, G.; Ji, C.; Gupta, M. M. On Definition of Deep Learning // 2018 World Automation Congress (WAC). 2018. 1–5. doi:. ISBN 978-1-5323-7791-4.

Əlavə ədəbiyyat

; ; Courville, Aaron. . MIT Press. 2016. ISBN 978-0-26203561-3. 2016-04-16 tarixində . İstifadə tarixi: 2021-05-09, introductory textbook.

Xarici keçidlər

[1] Schulz, Hannes; Behnke, Sven. . KI – Künstliche Intelligenz (ingilis). 26 (4). 1 November 2012: 357–363. doi:. ISSN .

[NatureBengio-2] LeCun, Yann; Bengio, Yoshua; Hinton, Geoffrey. "Deep Learning". Nature. 521 (7553). 2015: 436–444. Bibcode:. doi:. PMID .

[:9-3] Ciresan, D.; Meier, U.; Schmidhuber, J. Multi-column deep neural networks for image classification // 2012 IEEE Conference on Computer Vision and Pattern Recognition. 2012. 3642–3649. arXiv:. doi:. ISBN 978-1-4673-1228-8.

[krizhevsky2012-4] Krizhevsky, Alex; Sutskever, Ilya; Hinton, Geoffrey. (PDF). NIPS 2012: Neural Information Processing Systems, Lake Tahoe, Nevada. 2012. 2017-01-10 tarixində (PDF). İstifadə tarixi: 2017-05-24.

[5] . TechCrunch. 25 May 2017. 17 June 2018 tarixində . İstifadə tarixi: 17 June 2018.

[6] Marblestone, Adam H.; Wayne, Greg; Kording, Konrad P. . Frontiers in Computational Neuroscience. 10. 2016: 94. arXiv:. Bibcode:. doi:. PMC . PMID .

[7] Bengio, Yoshua; Lee, Dong-Hyun; Bornschein, Jorg; Mesnard, Thomas; Lin, Zhouhan. "Towards Biologically Plausible Deep Learning". 13 February 2015. arXiv: [].

[8] . MIT News | Massachusetts Institute of Technology (ingilis). 2022-11-02. 2023-12-07 tarixində . İstifadə tarixi: 2023-12-06.

[BOOK2014-9] Deng, L.; Yu, D. (PDF). Foundations and Trends in Signal Processing. 7 (3–4). 2014: 1–199. doi:. 2016-03-14 tarixində (PDF). İstifadə tarixi: 2014-10-18.

[10] Zhang, W. J.; Yang, G.; Ji, C.; Gupta, M. M. On Definition of Deep Learning // 2018 World Automation Congress (WAC). 2018. 1–5. doi:. ISBN 978-1-5323-7791-4.