یادگیری عمیق به زبان ساده : کدام نوع شبکه عمیق را انتخاب کنیم – قسمت چهارم

شبکه های عمیق در ساختارها و اندازه های متنوعی وجود دارند ، بنابراین چگونه باید تصمیم بگیریم از کدام نوع استفاده کنیم؟ جواب بستگی به این دارد که شما می خواهید اشیاء را کلاسه بندی ( طبقه بندی ) کنید یا ویژگی ها را استخراج می کنید. بیایید نگاهی به انتخاب های شما بیندازیم.

هشدار پیشگیرانه : این بخش شامل چندین اصطلاح جدید است ، اما مطمئن باشید همه آن ها در کلیپ های آینده توضیح داده می شوند.

اگر هدف شما آموزش کلاسه بند با مجموعه ای از داده های دارای برچسب است ، می بایست از پرسپترون چند لایه ( MLP )  یا یک شبکه باور عمیق ( DBN )  استفاده کنید. در صورت هدف قرار دادن هر یک از برنامه های زیر چند دستورالعمل ذکر شده است:

• پردازش زبان طبیعی: از یک شبکه تنسور عصبی بازگشتی (RNTN) یا شبکه بازگشتی استفاده کنید.
• تشخیص تصویر: از DBN یا شبکه کانولوشنی استفاده کنید
• تشخیص شی: از یک شبکه کانولوشنی یا RNTN استفاده کنید
• تشخیص گفتار: از یک شبکه بازگشتی استفاده کنید

اگر هدف شما استخراج الگوهای بالقوه مفید از مجموعه داده های برچسب نخورده است ، باید از ماشین بولتزمن محدود ( RBM ) یا نوعی کدگذار خودکار ( Autoencoder ) استفاده کنید. برای هر کاری که شامل پردازش داده های دنباله های زمانی باشد ، از شبکه بازگشتی استفاده کنید.

چه شبکه های عمیقی استفاده را مورد استفاده خود می بینید؟ لطفا نظر دهید و افکار خود را با ما در میان بگذارید.