Deep Learning

Derin öğrenme (derin yapılandırılmış öğrenme olarak da bilinir), temsili öğrenme ile yapay sinir ağlarına dayalı daha geniş bir makine öğrenimi yöntemleri ailesinin parçasıdır. Öğrenme denetimli, yarı denetimli veya denetimsiz olabilir.

Derin sinir ağları, derin inanç ağları, derin pekiştirmeli öğrenme, tekrarlayan sinir ağları ve evrişimli sinir ağları gibi derin öğrenme mimarileri, bilgisayarla görme, konuşma tanıma, doğal dil işleme, makine çevirisi, biyoinformatik, ilaç tasarımı, tıbbi gibi alanlara uygulanmıştır. insan uzman performansıyla karşılaştırılabilir ve bazı durumlarda onu aşan sonuçlar ürettikleri görüntü analizi, iklim bilimi, malzeme denetimi ve masa oyunu programları.

Yapay sinir ağları (YSA), biyolojik sistemlerdeki bilgi işleme ve dağıtılmış iletişim düğümlerinden esinlenmiştir. YSA'ların biyolojik beyinlerden çeşitli farklılıkları vardır. Spesifik olarak, yapay sinir ağları statik ve sembolik olma eğilimindeyken, çoğu canlı organizmanın biyolojik beyni dinamik (plastik) ve analogdur.

Derin öğrenmedeki "derin" sıfatı, ağda birden çok katmanın kullanımını ifade eder. İlk çalışmalar, lineer bir algılayıcının evrensel bir sınıflandırıcı olamayacağını, ancak sınırsız genişlikte bir gizli katmana sahip polinom olmayan aktivasyon fonksiyonuna sahip bir ağın yapabileceğini gösterdi. Derin öğrenme, ılımlı koşullar altında teorik evrenselliği korurken pratik uygulamaya ve optimize edilmiş uygulamaya izin veren sınırsız sayıda sınırlı sayıda katmanla ilgilenen modern bir varyasyondur. Derin öğrenmede, katmanların heterojen olmalarına ve "yapılandırılmış" kısımdan kaynaklanan verimlilik, eğitilebilirlik ve anlaşılabilirlik adına biyolojik olarak bilgilendirilmiş bağlantıcı modellerden geniş ölçüde sapmalarına izin verilir.