Trends in Deep Learning Methodologies: Algorithms, Applications, and Systems
Trendek a mélytanulási módszertanokban: Algoritmusok, alkalmazások és rendszerek: Algorithms, Applications, and Systems (Algoritmusok, alkalmazások és rendszerek) olyan mélytanulási megközelítéseket tárgyal, mint a neurális hálózatok, a mély hiedelemhálózatok, a rekurrens neurális hálózatok, a konvolúciós neurális hálózatok, a mély auto-encoder és a mély generatív hálózatok, amelyek nagy teljesítményű számítási modellekként jelentek meg. A fejezetek részletesen foglalkoznak ezekkel a modellekkel, amelyek jelentős sikert értek el a tömeges adatok kezelésében számos alkalmazás esetében, mivel képesek komplex rejtett jellemzők kinyerésére és hatékony reprezentáció megtanulására felügyelet nélküli beállításokban.
A fejezetek a mélytanuláson alapuló algoritmusokat számos alkalmazásban vizsgálják, többek között az orvosbiológiai és egészségügyi informatikában, a számítógépes látásban és a képfeldolgozásban. Az elmúlt években számos nagy teljesítményű algoritmust fejlesztettek ki az adatokban található minták egyeztetésére és a jövőbeli eseményekre vonatkozó előrejelzések készítésére. A mélytanulás fő előnye a nagy adatelemzések feldolgozása a jobb elemzés és az önadaptív algoritmusok nagyobb mennyiségű adat kezelése érdekében.
A mélytanulási módszerek több szintű reprezentációval tudnak foglalkozni, amelyekben a rendszer megtanulja a nyers adatok magasabb szintű reprezentációinak absztrakcióját. Korábban általános követelmény volt, hogy egy tartományi szakértővel kell rendelkeznie egy adott modell kifejlesztéséhez minden egyes konkrét alkalmazáshoz, azonban a reprezentációs tanulási algoritmusok legújabb fejlesztései lehetővé teszik a kutatók számára a különböző tárgykörökben, hogy automatikusan megtanulják az adott adatok mintáit és reprezentációját a konkrét modellek kifejlesztéséhez.
