مروری بر رویکرد یادگیری عمیق در صنعت هوافضا

در سال‌ های اخیر، یادگیری عمیق به محرک اصلی راه‌حل‌های نوآورانه برای مساله‌های هوش مصنوعی تبدیل گردیده که این امر با افزایش مقدار داده‌های موجود، افزایش منابع محاسباتی و روش‌های بهبود یافته در آموزش شبکه‌های عمیق امکان‌پذیر شده است. پیشرفت و افزایش توان پردازش رایانه‌ها و توانمندتر شدن روش‌های هوش مصنوعی مانند یادگیری ماشین و یادگیری عمیق، زمینه را برای اجرا شدن بسیاری از طرح‌های هوافضایی آسان‌تر نموده است. استدلال‌های نظری و بیولوژیکی نشان می‌دهند که در راستای ساخت سیستمی هوشمند با توانایی استخراج بازنمایی‌های سطح بالا و قدرتمند از داده‌ها، نیاز به مدل‌هایی با معماری عمیقی است که شامل بسیاری از لایه‌های پردازشی غیرخطی می‌باشد. شاید بتوان گفت، بهترین و پرکاربردترین نمونه از این شبکه‌ها، به دلیل سازگاری آن با انواع داده‌ها، شبکه‌های عصبی چندلایه هستند. شبکه‌های عصبی عمیق ساختارهای متفاوت، انواع مختلف و گونه‌های متنوعی را دارا هستند و با توجه به نوع داده‌ها و هدف مساله از آنها استفاده می‌شود و هرکدام دارای نقاط قوت و ضعف خود را دارند. در این مقاله به بررسی و کاربرد این شبکه‌ها در مساله‌های مختلف هوافضایی پرداخته شده است.