Международный журнал роевого интеллекта и эволюционных вычислений

Абстрактный

Значение глубокого обучения в интеллектуальном анализе данных и машинном обучении

Шораби П.

Алгоритмы глубокого обучения используют огромное количество неконтролируемых данных для автоматического извлечения сложных представлений. Эти алгоритмы в значительной степени мотивированы сектором искусственного интеллекта (ИИ), который имеет общую цель эмулировать способность человеческого мозга наблюдать, анализировать, учиться и принимать решения, особенно для чрезвычайно сложных проблем. Работа, связанная с этими сложными задачами, была ключевой мотивацией алгоритмов глубокого обучения, которые стремятся эмулировать иерархический подход к обучению человеческого мозга. Модели, поддерживаемые архитектурами поверхностного обучения, такими как деревья решений, машины опорных векторов и рассуждения на основе прецедентов, могут оказаться неэффективными при попытке извлечь полезную информацию из сложных структур и отношений во входном корпусе. Напротив, архитектуры глубокого обучения обладают потенциалом для обобщения нелокальными и глобальными способами, генерируя шаблоны обучения и отношения за пределами непосредственных соседей в пределах данных. Глубокое обучение на самом деле является важным шагом на пути к ИИ. Оно не только обеспечивает сложные представления данных, которые подходят для задач ИИ, но и делает машины независимыми от человеческих знаний, что является конечной целью ИИ. Оно извлекает представления непосредственно из неконтролируемых данных без вмешательства человека.