معماری های یادگیری عمیق و کاربردهای آن ها

یادگیری عمیق یکی از تکنیک های یادگیری ماشین است که به طور گسترده ای مورد استفاده قرار می گیرد و در کاربردهایی مانند تشخیص ناهنجاری، تشخیص تصویر، تشخیص الگو و پردازش زبان طبیعی به موفقیت های چشمگیری دست یافته است. معماری های یادگیری عمیق، انقلابی در زمینه تحلیلی داده های بزرگ ایجاد کرده اند. معماری های متعددی برای پیاده سازی یادگیری عمیق ارائه شده است که شبکه های عصبی پیچشی، ماشین های بولتزمن محدود شده، خود رمزگذارها، شبکه های مولد تخاصمی، شبکه باور عمیق، شبکه های عصبی بازگشتی، شبکه های عصبی مکرر و شبکه های حافظه کوتاه مدت طویل، مهم ترین و پرکاربرین معماری های در پیاده سازی یادگیری عمیق هستند. در این مقاله، مروری بر برخی از معماری های یادگیری عمیق که بیشتر مورد استفاده قرار می گیرند انجام شده است و ساختار، تکنیک ها و زمینه های مختلف کاربردی هر معماری در یادگیری عمیق بحث می شود. هدف از نگارش این مقاله، بررسی معماری های پرکاربرد یادگیری عمیق و حوزه های استفاده از آن ها می باشد و هشت معماری پر استفاده یادگیری عمیق بررسی شده است.

Keywords:

یادگیری عمیق , شبکه های عصبی پیچشی , ماشین های بولتزمن محدود شده , خود رمزگذارها , شبکه های مولد تخاصمی , شبکه باور عمیق , شبکه های عصبی بازگشتی