Deep Learning

التعلم العميق (المعروف أيضًا باسم التعلم المنظم العميق) هو جزء من مجموعة أوسع من أساليب التعلم الآلي القائمة على الشبكات العصبية الاصطناعية مع التعلم التمثيلي. يمكن أن يكون التعلم تحت إشراف أو شبه خاضع للإشراف أو بدون إشراف.

تم تطبيق بنيات التعلم العميق مثل الشبكات العصبية العميقة وشبكات المعتقدات العميقة والتعلم المعزز العميق والشبكات العصبية المتكررة والشبكات العصبية التلافيفية في مجالات تشمل رؤية الكمبيوتر والتعرف على الكلام ومعالجة اللغة الطبيعية والترجمة الآلية والمعلوماتية الحيوية وتصميم الأدوية والطبية تحليل الصور وعلوم المناخ وفحص المواد وبرامج الألعاب اللوحية ، حيث أسفرت عن نتائج مماثلة وفي بعض الحالات تفوق أداء الخبراء البشريين.

تم استلهام الشبكات العصبية الاصطناعية (ANNs) من معالجة المعلومات وعقد الاتصال الموزعة في الأنظمة البيولوجية. تمتلك ANN اختلافات مختلفة عن العقول البيولوجية. على وجه التحديد ، تميل الشبكات العصبية الاصطناعية إلى أن تكون ثابتة ورمزية ، بينما يكون الدماغ البيولوجي لمعظم الكائنات الحية ديناميكيًا (بلاستيكيًا) وتماثليًا.

تشير صفة "عميق" في التعلم العميق إلى استخدام طبقات متعددة في الشبكة. أظهر العمل المبكر أن المدرك الخطي لا يمكن أن يكون مصنفًا عالميًا ، ولكن يمكن لشبكة ذات وظيفة تنشيط غير متعددة الحدود مع طبقة واحدة مخفية ذات عرض غير محدود. التعلم العميق هو تباين حديث يهتم بعدد غير محدود من الطبقات ذات الحجم المحدود ، والذي يسمح بالتطبيق العملي والتنفيذ الأمثل ، مع الحفاظ على الشمولية النظرية في ظل ظروف معتدلة. في التعلم العميق ، يُسمح أيضًا للطبقات بأن تكون غير متجانسة وأن تنحرف على نطاق واسع عن نماذج الاتصال المستنيرة بيولوجيًا ، من أجل الكفاءة وقابلية التدريب والفهم ، ومن هنا الجزء "المنظم".