Deep Learning

ڈیپ لرننگ (جسے ڈیپ اسٹرکچرڈ لرننگ بھی کہا جاتا ہے) مشین لرننگ کے طریقوں کے ایک وسیع خاندان کا حصہ ہے جس کی بنیاد پر نمائندگی سیکھنے والے مصنوعی اعصابی نیٹ ورکس ہیں۔ سیکھنے کی نگرانی، نیم زیر نگرانی یا غیر نگرانی کی جا سکتی ہے۔

گہری سیکھنے والے فن تعمیرات جیسے ڈیپ نیورل نیٹ ورکس، ڈیپ بیلیف نیٹ ورکس، ڈیپ ری انفورسمنٹ لرننگ، ریکرنٹ نیورل نیٹ ورکس اور کنوولوشنل نیورل نیٹ ورکس کا اطلاق کمپیوٹر ویژن، اسپیچ ریکگنیشن، قدرتی لینگویج پروسیسنگ، مشین ٹرانسلیشن، بائیو انفارمیٹکس، ڈرگ ڈیزائن، میڈیکل سمیت شعبوں میں کیا گیا ہے۔ تصویری تجزیہ، موسمیاتی سائنس، مواد کا معائنہ اور بورڈ گیم پروگرام، جہاں انہوں نے انسانی ماہرین کی کارکردگی کے مقابلے اور بعض صورتوں میں اس سے آگے نکلنے والے نتائج پیدا کیے ہیں۔

مصنوعی عصبی نیٹ ورکس (ANNs) حیاتیاتی نظاموں میں معلومات کی پروسیسنگ اور تقسیم شدہ مواصلاتی نوڈس سے متاثر تھے۔ ANNs میں حیاتیاتی دماغ سے مختلف فرق ہوتے ہیں۔ خاص طور پر، مصنوعی عصبی نیٹ ورک جامد اور علامتی ہوتے ہیں، جبکہ زیادہ تر جانداروں کا حیاتیاتی دماغ متحرک (پلاسٹک) اور ینالاگ ہوتا ہے۔

گہری سیکھنے میں صفت "گہری" سے مراد نیٹ ورک میں متعدد پرتوں کا استعمال ہے۔ ابتدائی کام سے پتہ چلتا ہے کہ ایک لکیری پرسیپٹرون عالمگیر درجہ بندی نہیں کر سکتا، لیکن یہ کہ ایک نیٹ ورک جس میں غیر کثیر الاضلاع ایکٹیویشن فنکشن ہو جس کی ایک چھپی ہوئی پرت غیر محدود چوڑائی کے ساتھ ہو سکتی ہے۔ گہری تعلیم ایک جدید تغیر ہے جس کا تعلق باؤنڈڈ سائز کی تہوں کی لامحدود تعداد سے ہے، جو ہلکے حالات میں نظریاتی آفاقیت کو برقرار رکھتے ہوئے عملی اطلاق اور بہتر نفاذ کی اجازت دیتا ہے۔ گہرائی سے سیکھنے میں پرتوں کو متفاوت ہونے کی بھی اجازت ہے اور حیاتیاتی طور پر باخبر کنکشنسٹ ماڈلز سے وسیع پیمانے پر انحراف کرنے کی بھی اجازت ہے، کارکردگی، تربیت اور سمجھ بوجھ کی خاطر، جہاں سے "ساختہ" حصہ ہوتا ہے۔