تفاوت شبکه‌های عصبی (Neural Networks) با یادگیری عمیق (Deep Learning) چیست؟ | چیستیو

این درس از مجموعه دوره یادگیری عمیق (Deep Learning) است

مدرس: مسعود کاویانی

شبکه‌های عصبی عمیق (deep neural networks) منجر به یادگیری عمیق (deep learning) می‌شود. در واقع به عنوان تعریف ساده می‌توان گفت الگوریتم‌های یادگیری عمیق همان شبکه‌های عصبی هستند که تعداد لایه‌های آن‌ها زیاد است. این تعریف از یادگیری عمیق ساده و درست است اما اگر بخواهیم به معنای دقیق‌تر تفاوت بین یادگیری عمیق و شبکه‌های عصبی را درک کنیم، بایستی به این نکته توجه کنیم که یادگیری عمیق حالت یادگیری بوده در حالی که شبکه‌های عصبی نوعی الگوریتم در بین یادگیری ماشین است.

به تصویری که در جلسه‌ی گذشته استفاده کریم دقت کنید:

در شکل بالا، در قسمت راست، یک الگوریتم شبکه‌ی عصبی عمیق ایجاد شده است که منجر به یادگیری عمیق می‌شود. این شبکه (سمت راست) نسبت به شبکه‌های عصبی عادی (سمت چپ)، تعداد لایه‌های بالاتری داشته و با این کار الگوریتم امید دارد که بتواند الگوهای پیچیده‌تری را از میان داده‌ها کشف کند.

البته با گذشت زمان و توسعه الگوریتم‌های جدید، یادگیری عمیق دیگر محدود به شبکه‌هایی مانند شکل بالا نیست و با توجه به کاربردهای مختلف، معماری‌های متفاوتی شناسایی الگو در مسائل با توجه به نوع و شکل داده‌ها ابداع شده است.

در دوره‌ی جاری سعی می‌کنیم به مهمترین و معروف‌ترین این الگوریتم‌ها و کاربردهای هر کدام بپردازیم.

این درس از مجموعه دوره یادگیری عمیق (Deep Learning) است

ترتیب پیشنهادی خواندن درس‌های این مجموعه به صورت زیر است:

دیدگاهتان را بنویسید لغو پاسخ