5230

بررسي معماري‌هاي دقيق و سريع در يادگيري عميق

۱۳۹۷

دكتر سيدمحمدرضا موسوي ميركلائي

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

11/14/2018 12:00:00 AM

57407

1397/09/10