یادگیری عمیق به زبان ساده

Dato GraphLab  یک پلتفرم نرم افزاری مناسب برای پروژه های  یادگیری عمیق است که نیاز به تجزیه و تحلیل نمودار و سایر الگوریتم های مهم دارند. این پلتفرم دو شبکه عمیق ، پیش پردازش پیشرفته داده ها ، یک رابط کاربری بصری و پیشرفت های داخلی برای پردازش کلان داده …

H2O.ai  یک بستر نرم افزاری است که الگوریتم های یادگیری ماشین و همچنین یک مدل شبکه عمیق را ارائه می دهد. همچنین قابلیت پیش پردازش پیشرفته داده ها ، یک رابط کاربری بصری و چندین پیشرفت داخلی برای کار با داده ها را برای کاربر فراهم می کند. با این …

یک پلتفرم یادگیری عمیق ، کاربر را قادر می سازد تا بدون اینکه یک شبکه عمیق را از صفر ایجاد کند از آن ها استفاده کند. آن ها به دو شکل مختلف عرضه می شوند: پلتفرم های نرم افزاری و پلتفرم های کامل. پلتفرم ، مجموعه ای از ابزارهایی است …

با وجود محبوبیت بینایی ماشین ، این شاخه تنها کاربرد یادگیری عمیق نیست. شبکه های عمیق همچنین به حوزه پردازش متن نیز وارد شده اند و همه ی روش های سنتی را از نظر دقت شکست می دهند. همچنین از آن ها برای تشخیص سرطان و تصویربرداری پزشکی بطور گسترده …

برخی از الگو های ذاتاً سلسله مراتبی هستند ، مانند تجزیه درختی یک جمله از زبان طبیعی. شبکه تنسور عصبی بازگشتی ( RNTN ) ابزاری قدرتمند برای رمزگشایی و برچسب زدن این نوع الگوهای است. RNTN توسط ریچارد ساکر به منظور پرداختن به مساله اصلی تکنیک های فعلی تحلیل احساسات …

رمز نگار های خودکار ( Autoencoders )  یک خانواده از شبکه های عصبی هستند که به خوبی برای یادگیری بدون نظارت مناسب است؛ روشی برای تشخیص الگوهای ذاتی در یک مجموعه داده. این شبکه ها همچنین می توانند برای برچسب زدن به الگوهای بدست آمده استفاده شوند. در اصل ، …

بحث های قبلی ما درباره برنامه های کاربردی شبکه ی عمیق محدود به الگوهای استاتیک بود ، اما شبکه چگونه می تواند الگوهایی که با زمان تغییر می کنند را رمزگشایی کرده و برچسب بزند؟ به عنوان مثال ، آیا یک شبکه می تواند با اسکن تصاویر راهنمایی و رانندگی، …

از بین همه برنامه های کاربردی فعلی  یادگیری عمیق ، بینایی ماشین یکی از محبوب ترین آن هاست. از آنجا که شبکه عصبی کانولوشنی (CNN) یکی از بهترین ابزارهای موجود برای بینایی ماشین است ، این شبکه ها به یادگیری عمیق کمک کرده اند تا به یکی از داغترین موضوعات …

یک ماشین بولتزمن محدود شده ( RBM ) می تواند ویژگی ها را استخراج کرده و داده های ورودی را بازسازی کند ، اما هنوز توانایی مبارزه با محو شدگی گرادیان را ندارد. با این حال، از طریق ترکیبی هوشمندانه از مجموعه ی چندین RBM و یک کلاسه بند ، …

دستیابی به چه موفقیت هایی بود که به شبکه های عمیق اجازه داد تا با مشکل محو شدگی گرادیان مقابله کنند؟ پاسخ دارای دو بخش است که بخش اول شامل ماشین بولتزمن محدود شده ( RBM ) است ، الگوریتمی که می تواند با بازسازی ورودی ، به طور خودکار …