یادگیری ژرف یا عمیق چیست

یادگیری ژرف یا عمیق چیست

یادگیری ژرف یا عمیق چیست

 

۱- مقدمه

یادگیری عمیق (Deep Learning) شاخه ای از بحث یادگیری ماشینی و مجموعه ای از الگوریتم هایی است که تلاش می کنند مفاهیم انتزاعی سطح بالا را با استفاده یادگیری در سطوح و لایه های مختلف مدل کنند . یادگیری عمیق در واقع نگرشی جدید به ایده  شبکه های عصبی می باشد که سالیان زیادی است وجود داشته و هر چند سال یکبار در قالبی جدید خود را نشان می دهد.

یادگیری ژرف یا عمیق

 

۱-۱ شبکه عصبی

تعاریف مختلفی برای یادگیری عمیق وجود دارد که همه ی آن ها در یک نکته مشترک هستند.ابتدا به معرفی نورون ها و شبکه های عصبی میپردازیم و سپس یادگیری عمیق را معرفی خواهیم کرد.

سلول عصبی مصنوعی : توافق دقیقی بر تعریف شبکه عصبی در میان محققان وجود ندارد اما اغلب آن ها موافقند که شبکه عصبی شامل شبکه ‎ای از عناصر پردازش ساده (نورونها) است، که می‌ تواند رفتار پیچیده کلی تعیین شده‎ ای از ارتباط بین عناصر پردازش و پارامترهای عنصر را نمایش دهد.

در تصویر ۱ مدل یک نورون عصبی مصنوعی را مشاهده می کنید که از بخش های ورودی ، تابع فعال ساز و خروجی تشکیل شده است. خروجی تابع فعال ساز از رابطه ی زیر بدست می آید.

a=f(w∗x+b) a = f (w*x + b) a=f(w∗x+b)

تا اینجا با یک نورون عصبی آشنا شدیم و این که چگونه به ورودی ها حساسیت نشان می دهد و خروجی خود را به وسیله تابع فعال سازی را ایجاد می کند. حال تصور کنید مجموعه ای از این نورون ها در کنار هم قرار بگیرند و یک شبکه را تشکیل بدهند. ساختاری مشابه با تصویر ۲ را در نظر بگیرید یک لایه ی ورودی ، یک یا چندین لایه مخفی داخلی و یک لایه خروجی . با کنار هم قرار گرفتن این نورون های واحد چه در جهت عمودی (کنار هم) و چه در جهت افقی (روی هم) شکل خواهند گرفت و در نهایت با یک لایه خروجی پایان خواهند یافت.

 

مطالب پیشنهادی :

درباره نویسنده

62 مطلب نوشته است .

تمام حقوق این سایت برای © 2019 متکالج: مکتب ریاضیات. محفوظ است.
قدرت گرفته از وردپرس فارسی