Dərin öyrənmə

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.[2]

Dərin öyrənmədə çoxlu abstraksiya təbəqələrində şəkillərin təmsil olunması[1]

Dərin neyron şəbəkələr, dərin etimad şəbəkələri, təkrarlanan neyron şəbəkələr, konvolyusiya neyron şəbəkələr və transformatorlar kimi dərin öyrənmə arxitekturaları kompüter görüşü, 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.[3][4][5]

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.[6][7] SNŞ ümumiyyətlə beyin funksiyası üçün aşağı keyfiyyətli modellər kimi qəbul edilir.[8]

Tərifi

redaktə

Dərin öyrənmə, xam daxiletmə məlumatlarından daha yüksək səviyyəli xüsusiyyətləri mərhələli olaraq çıxarmaq üçün çoxlu qatlardan istifadə edən maşın öyrənmə alqoritmləri sinfidir.[9]:199–200 Məsələn, şəklin emalı 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[10] 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

redaktə
  1. 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.
  2. LeCun, Yann; Bengio, Yoshua; Hinton, Geoffrey. "Deep Learning". Nature. 521 (7553). 2015: 436–444. Bibcode:2015Natur.521..436L. doi:10.1038/nature14539. PMID 26017442.
  3. 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.
  4. 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 arxivləşdirilib (PDF). İstifadə tarixi: 2017-05-24.
  5. "Google's AlphaGo AI wins three-match series against the world's best Go player". TechCrunch. 25 May 2017. 17 June 2018 tarixində arxivləşdirilib. İstifadə tarixi: 17 June 2018.
  6. 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.
  7. Bengio, Yoshua; Lee, Dong-Hyun; Bornschein, Jorg; Mesnard, Thomas; Lin, Zhouhan. "Towards Biologically Plausible Deep Learning". 13 February 2015. arXiv:1502.04156 [cs.LG].
  8. "Study urges caution when comparing neural networks to the brain". MIT News | Massachusetts Institute of Technology (ingilis). 2022-11-02. 2023-12-07 tarixində arxivləşdirilib. İstifadə tarixi: 2023-12-06.
  9. 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 arxivləşdirilib (PDF). İstifadə tarixi: 2014-10-18.
  10. 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.

Əlavə ədəbiyyat

redaktə

Xarici keçidlər

redaktə