چکيده
چكيده
7 از يادگيري عميق
بهعنوان جديدترين دستاورد بشر در حوزهي هوش مصنوعي ياد ميشود. يادگيري عميق در
شاخههاي يادگيري تحت نظارت، يادگيري نيمه نظارتي، يادگيري تقويتي و يادگيري بدون نظارت، درحالتوسعه
ميباشد كه چشمگيرترين پيشرفتها، در حوزهي يادگيري نظارتي
2
بوده است و در اين گزارش، طبق يكروال منطقي
و متناسب با روند رشد اين حوزه، به بررسي معماريهاي مهم آن خواهيم پرداخت.
پس از بيان مقدمات، در فصل دوم به بررسي مهمترين و تأثيرگذارترين شبكهها و ساختارهاي يادگيري عميق در
پرداختهايم كه شامل معماريهاي AlexNet ،ZfNet ،VggNet ،GoogleNet ،ResNet 9 حوزهي طبقهبندي تصوير
ميشود. در فصل سوم، سريعترين و دقيقترين الگوريتمهاي شناسايي و مكانيابي
4
اشياء مانند انواع CNN-R ها و
5 YOLO بررسيشده است. در فصل چهارم نيز، مباحث مربوط به پردازش زبان طبيعي
)NLP )با رويكرد يادگيري
عميق، و معماري LSTM و ماشين ترجمهي گوگل GNMT معرفيشده است. در فصل پنجم نيز به جايگاه و چشمانداز
FPGA در يادگيري عميق پرداختهايم.
كلمات كليدي: يادگيري عميق، طبقهبندي تصاوير، مكانيابي اشياء، پردازش زبان طبيعي، FPGA
