Trendy v metodikách hlubokého učení: Algoritmy, aplikace a systémy

Původní název:

Trends in Deep Learning Methodologies: Algorithms, Applications, and Systems

Obsah knihy:

Trendy v metodikách hlubokého učení: Algoritmy, aplikace a systémy zahrnují přístupy hlubokého učení, jako jsou neuronové sítě, hluboké sítě víry, rekurentní neuronové sítě, konvoluční neuronové sítě, hluboký autokodér a hluboké generativní sítě, které se staly výkonnými výpočetními modely. Kapitoly se podrobně zabývají těmito modely, které prokázaly značný úspěch při práci s obrovským množstvím dat pro velké množství aplikací, a to vzhledem k jejich schopnosti extrahovat komplexní skryté rysy a učit se efektivní reprezentaci v prostředí bez dohledu.

Kapitoly zkoumají algoritmy založené na hlubokém učení v různých aplikacích, včetně biomedicínské a zdravotnické informatiky, počítačového vidění, zpracování obrazu a dalších. V posledních letech bylo vyvinuto mnoho výkonných algoritmů pro porovnávání vzorů v datech a předpovídání budoucích událostí. Hlavní výhodou hlubokého učení je zpracování analýzy velkého množství dat pro lepší analýzu a samoadaptivní algoritmy pro zpracování většího množství dat.

Metody hlubokého učení si poradí s více úrovněmi reprezentace, při nichž se systém učí abstrahovat vyšší úrovně reprezentace surových dat. Dříve bylo běžným požadavkem mít experta na danou doménu, který by vyvinul specifický model pro každou konkrétní aplikaci, nicméně nedávný pokrok v algoritmech učení reprezentace umožňuje výzkumníkům napříč různými tematickými oblastmi automaticky se učit vzory a reprezentaci daných dat pro vývoj specifických modelů.