یادگیری عمیق

این روش که مختص یادگیری ماشین است، اشاره به شبکه عصبی مصنوعی با لایه های مختلف دارد که هرچه این لایه ها بیشتر باشند، فرایند یادگیری عمیق‌تر می شود. مهمترین موارد استفاده از یادگیری عمیق شامل آنالیز تصویر، پردازش زبان، تشخیص گفتار، و ترجمه ماشینی است. در این مدل، هرکدام از لایه ها یاد می گیرند که داده‌های ورودی را به چیزی انتزاعی تر تبدیل کرده و به لایه بعدی بفرستند تا در نهایت به استنتاج منتهی شود. در یک آنالیز تصویر ممکن است لایه های پایینی به شناسایی لبه ی تصویر بپردازند و لایه های بالایی به تشخیص خطوط بدن یا چهره و در نهایت به این نتیجه برسند که تصویر یک سگ یا انسان است. عمیقترین نوع یادگیری ماشین آن است که به صورت خودکار به شناسایی مولفه ها بپردازد. توجه شود که لایه ها می تواند از طریق انسان تعیین شود اما در یادگیری بدون نظارت، این کار نیز توسط هوش مصنوعی انجام می شود. تعریف دیگری که با یادگیری عمیق مرتبط است، «شبکه عصبی عمیق» می باشد که همان شبکه عصبی مصنوعی همراه با لایه های مختلف است.

منابع یادگیری عمیق

بر اساس نظریات: سیبنکو، هورنیک، فوکوشیما، لو، هاپفیلد، ویدرو، نارندرا، لنز، روزنبلات، ایواخننکو، لاپا، آماری، لایبنیتس، راملهارت، آیزنبرگ، اشمیدهابر، واسوانی