معماری‌های یادگیری عمیق و کابردهای آن‌ها

یادگیری عمیق یکی از تکنیک‌های یادگیری ماشین است که به طور گسترده‌ای مورد استفاده قرار می‌گیرد و در کاربردهایی مانند تشخیص ناهنجاری، تشخیص تصویر، تشخیص الگو و پردازش زبان طبیعی به موفقیت‌های چشمگیری دست یافته است. معماری‌های یادگیری عمیق، انقلابی در زمینه تحلیلی داده‌های بزرگ ایجاد کرده‌اند. معماری‌های متعددی برای پیاده‌سازی یادگیری عمیق ارائه شده است که شبکه‌های عصبی پیچشی، ماشین‌های بولتزمن محدود‌شده، خودرمزگذارها، شبکه‌های مولد تخاصمی، شبکه‌ باور عمیق،‌ شبکه‌های عصبی بازگشتی، شبکه‌های عصبی مکرر و شبکه‌های حافظه کوتاه‌مدت طویل، مهم‌ترین و پرکاربرین معماری‌های در پیاده‌سازی یادگیری عمیق هستند.در این مقاله، مروری بر برخی از معماری‌های یادگیری عمیق که بیشتر مورد استفاده قرار می‌گیرند انجام شده است و ساختار، تکنیک‌ها و زمینه‌های مختلف کاربردی هر معماری در یادگیری عمیق بحث می‌شود. هدف از نگارش این مقاله، بررسی معماری‌های پرکاربرد یادگیری عمیق و حوزه‌های استفاده از آن‌ها می‌باشد و هشت معماری پراستفاده یادگیری عمیق بررسی شده است.