Azərbaycanca
Беларускі
Dansk
Deutsch
Española
Français
Indonesia
Italiana
日本語
Қазақ
Lietuvos
Nederlands
Português
Русский
සිංහල
แบบไทย
Türkçe
Українська
中國人
United State
Afrikaans
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. "Deep Learning". KI – Künstliche Intelligenz (ingilis). 26 (4). 1 November 2012: 357–363. doi:10.1007/s13218-012-0198-z. ISSN 1610-1987.
- LeCun, Yann; Bengio, Yoshua; Hinton, Geoffrey. "Deep Learning". Nature. 521 (7553). 2015: 436–444. Bibcode:2015Natur.521..436L. doi:10.1038/nature14539. PMID 26017442.
- 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:1202.2745. doi:10.1109/cvpr.2012.6248110. ISBN .
- Krizhevsky, Alex; Sutskever, Ilya; Hinton, Geoffrey. "ImageNet Classification with Deep Convolutional Neural Networks" (PDF). NIPS 2012: Neural Information Processing Systems, Lake Tahoe, Nevada. 2012. 2017-01-10 tarixində (PDF). İstifadə tarixi: 2017-05-24.
- "Google's AlphaGo AI wins three-match series against the world's best Go player". TechCrunch. 25 May 2017. 17 June 2018 tarixində . İstifadə tarixi: 17 June 2018.
- Marblestone, Adam H.; Wayne, Greg; Kording, Konrad P. "Toward an Integration of Deep Learning and Neuroscience". Frontiers in Computational Neuroscience. 10. 2016: 94. arXiv:1606.03813. Bibcode:2016arXiv160603813M. doi:10.3389/fncom.2016.00094. PMC 5021692. PMID 27683554.
- Bengio, Yoshua; Lee, Dong-Hyun; Bornschein, Jorg; Mesnard, Thomas; Lin, Zhouhan. "Towards Biologically Plausible Deep Learning". 13 February 2015. arXiv:1502.04156 [cs.LG].
- "Study urges caution when comparing neural networks to the brain". MIT News | Massachusetts Institute of Technology (ingilis). 2022-11-02. 2023-12-07 tarixində . İstifadə tarixi: 2023-12-06.
- Deng, L.; Yu, D. "Deep Learning: Methods and Applications" (PDF). Foundations and Trends in Signal Processing. 7 (3–4). 2014: 1–199. doi:10.1561/2000000039. 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:10.23919/WAC.2018.8430387. ISBN .
Əlavə ədəbiyyat
- ; ; Courville, Aaron. Deep Learning. MIT Press. 2016. ISBN . 2016-04-16 tarixində . İstifadə tarixi: 2021-05-09, introductory textbook.
Xarici keçidlər
- Dərin öyrənmənin dərin izahı
wikipedia, oxu, kitab, kitabxana, axtar, tap, meqaleler, kitablar, oyrenmek, wiki, bilgi, tarix, tarixi, endir, indir, yukle, izlə, izle, mobil, telefon ucun, azeri, azəri, azerbaycanca, azərbaycanca, sayt, yüklə, pulsuz, pulsuz yüklə, haqqında, haqqinda, məlumat, melumat, mp3, video, mp4, 3gp, jpg, jpeg, gif, png, şəkil, muisiqi, mahnı, kino, film, kitab, oyun, oyunlar, android, ios, apple, samsung, iphone, pc, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, web, computer, komputer
Derin oyrenme temsil oyrenme yolu ile suni neyron sebekelere esaslanan masin oyrenme metodlarinin alt desti Derin sozu sebekede coxlu tebeqelerin istifadesine aiddir Istifade olunan usullar nezaretli yari nezaretli ve ya nezaretsiz ola biler Derin oyrenmede coxlu abstraksiya tebeqelerinde sekillerin temsil olunmasi Derin neyron sebekeler derin etimad sebekeleri tekrarlanan neyron sebekeler konvolyusiya neyron sebekeler ve transformatorlar kimi derin oyrenme arxitekturalari nitqin taninmasi tebii dilin emali masin tercumesi bioinformatika derman hazirlanmasi tibbi sekil tehlili klimatologiya material analizi ve stolustu oyun proqramlari kimi sahelere tetbiq edilmisdir Burada onlar insan ekspert performansi ile muqayise edile bilen ve bezi hallarda onlari usteleyen neticeler elde etmisler Suni neyron sebekeleri SNS bioloji sistemlerde informasiyanin emali ve paylanmis kommunikasiya qovsaqlarindan ilhamlanaraq yaradilmisdir SNS lerin bioloji beyinlerden muxtelif ferqleri movcuddur Xususile suni neyron sebekeleri statik ve simvolik olur ekser canli orqanizmlerin bioloji beyni dinamik plastik ve analoqdur SNS umumiyyetle beyin funksiyasi ucun asagi keyfiyyetli modeller kimi qebul edilir TerifiDerin oyrenme xam daxiletme melumatlarindan daha yuksek seviyyeli xususiyyetleri merheleli olaraq cixarmaq ucun coxlu qatlardan istifade eden masin oyrenme alqoritmleri sinfidir 199 200 Meselen zamani asagi tebeqeler kenarlari yuksek tebeqeler ise reqemler herfler ve ya uzler kimi insana aid olan anlayislari mueyyen ede biler Derin oyrenmeye basqa noqteyi nezerden baxsaq derin oyrenme menbeden meselen itin tesviri oyrenilmis obyekte itler qeder insanin oyrenme proseslerinin komputerlesdirilmesi ve ya avtomatlasdirilmasi demekdir Buna gore de daha derin oyrenme ve ya en derin oyrenme kimi adlanan anlayislar daha mentiqlidir En derin oyrenme menbeden oyrenilen son obyekte qeder tam avtomatik oyrenme demekdir Belelikle daha derin oyrenme qarisiq oyrenme prosesine aiddir menbeden oyrenilmis yarimobyekte insan oyrenme prosesi ardinca insanin oyrendiyi yarimobyektden son oyrenilmis obyekte qeder komputer oyrenme prosesi IstinadlarSchulz Hannes Behnke Sven Deep Learning KI Kunstliche Intelligenz ingilis 26 4 1 November 2012 357 363 doi 10 1007 s13218 012 0198 z ISSN 1610 1987 LeCun Yann Bengio Yoshua Hinton Geoffrey Deep Learning Nature 521 7553 2015 436 444 Bibcode 2015Natur 521 436L doi 10 1038 nature14539 PMID 26017442 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 1202 2745 doi 10 1109 cvpr 2012 6248110 ISBN 978 1 4673 1228 8 Krizhevsky Alex Sutskever Ilya Hinton Geoffrey ImageNet Classification with Deep Convolutional Neural Networks PDF NIPS 2012 Neural Information Processing Systems Lake Tahoe Nevada 2012 2017 01 10 tarixinde PDF Istifade tarixi 2017 05 24 Google s AlphaGo AI wins three match series against the world s best Go player TechCrunch 25 May 2017 17 June 2018 tarixinde Istifade tarixi 17 June 2018 Marblestone Adam H Wayne Greg Kording Konrad P Toward an Integration of Deep Learning and Neuroscience Frontiers in Computational Neuroscience 10 2016 94 arXiv 1606 03813 Bibcode 2016arXiv160603813M doi 10 3389 fncom 2016 00094 PMC 5021692 PMID 27683554 Bengio Yoshua Lee Dong Hyun Bornschein Jorg Mesnard Thomas Lin Zhouhan Towards Biologically Plausible Deep Learning 13 February 2015 arXiv 1502 04156 cs LG Study urges caution when comparing neural networks to the brain MIT News Massachusetts Institute of Technology ingilis 2022 11 02 2023 12 07 tarixinde Istifade tarixi 2023 12 06 Deng L Yu D Deep Learning Methods and Applications PDF Foundations and Trends in Signal Processing 7 3 4 2014 1 199 doi 10 1561 2000000039 2016 03 14 tarixinde PDF Istifade 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 10 23919 WAC 2018 8430387 ISBN 978 1 5323 7791 4 Elave edebiyyat Courville Aaron Deep Learning MIT Press 2016 ISBN 978 0 26203561 3 2016 04 16 tarixinde Istifade tarixi 2021 05 09 introductory textbook Xarici kecidlerVikianbarda elaqeli media fayllar Derin oyrenmenin derin izahi