CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

مروری بر یادگیری عمیق

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۴ | تعداد نمایش خلاصه: ۱۶۴ | نظرات: ۱
سال انتشار: ۱۳۹۷
کد COI مقاله: TECCONF03_241
زبان مقاله: فارسی
حجم فایل: ۵۷۲.۸۸ کیلوبایت (فایل این مقاله در ۱۴ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۴ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۴ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مروری بر یادگیری عمیق

  شیرین میرعابدینی - عضو هیات علمی گروه کامپیوتر، دانشگاه پیام نورصندوق پستی 19395-3697تهران ایران

چکیده مقاله:

یادگیری عمیق یک شاخه از یادگیری ماشین و مجموعه ای از الگوریتم ها می باشد که به دلیل داشتن ساختار سلسه مراتبی، قابلیت بالایی در دسته بندی داده ها دارند. هم چنین ساختارهای عمیق میتوانند ارایه جامع تری از توابع در مقایسه با ساختارهای سطحی فراهم کنند. یادگیری عمیق بر اساس شبکه های عصبی مصنوعی رفتار مغز را در هنگام یادگیری مجموعه ای از نمونه ها تقلید می کند. در حال حاضر یادگیری عمیق در زمینه های بسیاری از جمله بینایی ماشین، تشخیص صدا، پردازش زبان طبیعی و پردازش سیگنال کاربرد دارد. همچنین می توانند با تحقیق در داده های وسیع پزشکی الگوهای مفید برای تشخیص بیماری ها پیدا کنند، یا با بررسی فرمول های شیمیایی به تهیه داروهای جدید بپردازند. یادگیری عمیق مجموعه ای از الگوریتم هایی است که تلاش می کنند مفاهیم انتزاعی سطح بالا را با استفاده از یادگیری در سطوح و لایه های مختلف مدل سازی کنند . یادگیری عمیق در واقع نگرشی جدید به ایده ی شبکه های عصبی می باشد که سالیان زیادی است وجود داشته و هر چند سال یکبار در قالبی جدید خود را نشان می دهد. در این مقاله برآنیم تا به معرفی عملکرد یادگیری عمیق، ساختار شبکه های عمیق، شبکه های کانولوشنال و معماری های مختلف شبکه های عصبی عمیق کانولوشنال بپردازیم.

کلیدواژه‌ها:

داده کاوی، شبکه های عصبی مصنوعی، شبکه های کانولوشنال، یادگیری عمیق

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-TECCONF03-TECCONF03_241.html
کد COI مقاله: TECCONF03_241

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
میرعابدینی, شیرین، ۱۳۹۷، مروری بر یادگیری عمیق، سومین کنفرانس ملی فناوری در مهندسی برق و کامپیوتر، سمنان، دانشگاه پیام نور، https://www.civilica.com/Paper-TECCONF03-TECCONF03_241.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (میرعابدینی, شیرین، ۱۳۹۷)
برای بار دوم به بعد: (میرعابدینی، ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

5.0
۱ تعداد پژوهشگران نظر دهنده
5 1
4 0
3 0
2 0
1 0
مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه پیام نور
تعداد مقالات: ۴۱۵۰۲
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.