یک بررسی جامع در مورد یادگیری عمیق و کاربردهای آن در بازیابی تصویروتشخیص حالت چهره و کلان داده
عنوان مقاله: یک بررسی جامع در مورد یادگیری عمیق و کاربردهای آن در بازیابی تصویروتشخیص حالت چهره و کلان داده
شناسه ملی مقاله: ICTI03_025
منتشر شده در سومین کنفرانس ملی فناوریهای نوین در مهندسی برق و کامپیوتر در سال 1398
شناسه ملی مقاله: ICTI03_025
منتشر شده در سومین کنفرانس ملی فناوریهای نوین در مهندسی برق و کامپیوتر در سال 1398
مشخصات نویسندگان مقاله:
سارا نظری - استادیار و عضو هیات علمی، گروه کامپیوتر، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران
نفیسه اوسطی عراقی - استادیار و عضو هیات علمی، گروه کامپیوتر، واحد اراک ، دانشگاه آزاد اسلامی ، اراک، ایران
سمیه عرب - گروه کامپیوتر، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران
خلاصه مقاله:
سارا نظری - استادیار و عضو هیات علمی، گروه کامپیوتر، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران
نفیسه اوسطی عراقی - استادیار و عضو هیات علمی، گروه کامپیوتر، واحد اراک ، دانشگاه آزاد اسلامی ، اراک، ایران
سمیه عرب - گروه کامپیوتر، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران
یادگیری عمیق در حال حاضر به عنوان یکی از مهمترین الگوریتم های یادگیری ماشین، در بسیاری از کاربردها از قبیل تحلیل تصویر، تشخیص گفتار، و درک متن به موفقیت های بزرگی دست یافته است . یادگیری عمیق از استراتژی های نظارت شده و بدون نظارت برای یادگیری نمایش ها و ویژگی های چندسطحی در معماری های سلسله مراتبی برای وظایف دسته بندی و تشخیص الگو استفاده می کند. در این مقاله، روشهای جدیدی که برای تشخیص خودکار حالات چهره با استفاده از ویژگی های شبکه عصبی کانولوشنی عمیق و همچنین یک روش بازیابی تصویر را با استفاده از ویژگی های کانولوشنی عمیق ادغام شده جهت حل مشکل شکاف معنایی بین ویژگی های سطح پایین و ویژگی های معنایی سطحبالا و راه حل هایی برای تحلیل کلان دادهها با یادگیری عمیق ارائه میدهد
کلمات کلیدی: یادگیری عمیق، کلان دادهها، کدگذارهای خودکار پشتهای شبکه های باور عمیق، شبکه های عصبی کانولوشنی، شبکه های عصبی بازگشتی.
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1031200/