مبانی مهندسی کنترل

 قسمت چهارم

یک شبکه عصبی عمیق از ترکیب چند پردازش غیرخطی تشکیل شده است. لایه‌ها با استفاده از عناصر ساده، به طور موازی با یکدیگر کار می‌کنند.

سیستم‌های عصبی بیولوژیکی شامل یک لایه ورودی، چندین لایه مخفی و یک لایه خروجی است.

لایه ها از طریق گره ها یا نورون ها به هم پیوند می‌خورند و هر لایه مخفی از ورودی لایه قبلی به عنوان ورودی استفاده می‌کند.

لینک قسمت اول

لینک قسمت دوم

لینک قسمت سوم

قسمت سوم: چه چیزی یادگیری عمیق را به پیشرفته ترین حالت تبدیل می کند؟

لینک قسمت اول // لینک قسمت دوم

سه فعال کننده فناوری بالاترین درجه از دقت را ممکن می‌سازند: دسترسی آسان به مجموعه عظیم داده‌های دارای برچسب مجموعه داده‌هایی مانند ImageNet و PASCAL VoC به صورت رایگان در دسترس هستند و برای آموزش انواع مختلفی از اشیا useful مفید هستند.

افزایش قدرت محاسباتی GPU های با کارایی بالا ، آموزش مقادیر گسترده ای از داده های مورد نیاز برای یادگیری عمیق را تسریع می کنند و باعث کاهش زمان آموزش از هفته به ساعت می شوند.

مدل های پیش ساخته ساخته شده توسط متخصصان مدل هایی مانند AlexNet را می توان برای انجام کارهای شناسایی جدید با استفاده از تکنیکی به نام یادگیری انتقال دوباره آموزش داد.

در حالی که AlexNet برای شناسایی 1000 شی مختلف بر روی 1.3 میلیون تصویر با وضوح بالا آموزش دیده است ، می توان با مجموعه داده های بسیار کوچکتر، آموزش دقیق انتقال را به دست آورد.

قسمت اول

قسمت دوم: اپلیکیشن‌های یادگیری ماشین

در اینجا فقط به چند نمونه از یادگیری عمیق در محیظ عملی اشاره می‌کنیم:

• یک وسیله نقلیه خودران با نزدیک شدن به گذرگاه عابر پیاده سرعت خود را کم می‌کند.
• خودپرداز یک اسکناس تقلبی را رد می‌کند.
• یک برنامه تلفن هوشمند ترجمه فوری یک تابلوی خیابان خارجی را انجام می‌دهد.
یادگیری عمیق به ویژه برای برنامه‌های شناسایی مانند تشخیص چهره، ترجمه متن، تشخیص صدا و سیستم‌های پیشرفته کمک راننده، از جمله، طبقه‌بندی خط و تشخیص علائم راهنمایی و رانندگی بسیار مناسب است.

قسمت اول: معرفی یادگیری ماشین

یادگیری عمیق نوعی یادگیری ماشینی است که در آن یک مدل یاد می‌گیرد که کارهای طبقه بندی را مستقیماً از روی تصاویر، متن یا صدا انجام دهد. یادگیری عمیق معمولاً با استفاده از معماری شبکه عصبی پیاده سازی می‌شود. اصطلاح "عمیق" به تعداد لایه های شبکه اشاره دارد - هرچه تعداد لایه ها بیشتر باشد، شبکه عمیق‌تر است. شبکه‌های عصبی سنتی فقط شامل 2 یا 3 لایه هستند‌، در حالی که شبکه‌های عمیق می‌توانند صدها لایه داشته باشند.

قسمت دوم