2 روش‌ یادگیری عمیق

روش‌های یادگیری عمیق
در یادگیری عمیق از روش‌های متفاوتی استفاده می‌شود. این روش‌ها بسته به کاربردهای متفاوت یادگیری عمیق و نوع داده‌های ورودی و خروجی موردنیاز انتخاب می‌شود. از میان این انواع یادگیری عمیق ما 2 شیوه بسیار مرسوم را در اینجا معرفی می‌کنیم.

شبکه‌های عصبی کلاسیک (Classic Neural Networks)
به این روش «شبکه عصبی کاملاً متصل» هم گفته می‌شود. این روش توسط فرانک روزنبلات و در سال ۱۹۵۸ ابداع شد. این روش را با پرسپترون‌های چندلایه می‌شناسیم. پرسپترون جایی است که این لایه‌های به یک لایه پیوسته متصل می‌شود.

شبکه‌های عصبی پیچشی (Convolutional Neural Networks)
این روش بیشتر از شبکه عصبی چشم گربه الهام گرفته است و بیشتر برای تحلیل داده‌های تصویری استفاده می‌شود. این الگوریتم یادگیری عمیق تصاویر ورودی را دریافت می‌کند و به هر یک از اشیا یا جنبه‌های موجود در تصویر وزن‌های قابل یادگیری می‌دهد. به این معنا که مشخص می‌کند هر کدام از اطلاعات موجود در آن تصویر چه قدر مهم است. این الگوریتم می‌تواند هرکدام از چیزهای موجود در تصویر را از هم متمایز کند.

در بالا به دو مورد از روش های یادگیری عمیق اشاره شد، اگر به دنبال مطلبی مفید درمورد یادگیری عمیقهستید و یا قصد دارید پروژه یادگیری عمیق انجام دهید میتوانید به وبسایت بیگ پرو1 مراجعه کنید.