استخراج ویژگی دستی از داده ورودی و سپس تصمیم‌گیری با مدل یادگیری ماشین کلاسیک. استخراج ویژگی خودکار با یادگیری عمیق. اما در یادگیری عمیق "استخراج ویژگی" به‌صورت "اتوماتیک" انجام می‌شود.
ادامه مطلب
شانس این که شما بتوانید با کامپیوتر شخصی‌تان یک بیت کوین استخراج کنید کمتر از ۱ درصد است. ... های کامپیوتری تأیید کنند.پیشنهاد می‌کنیم برای این که به درک عمیق‌تری از بیت کوین برسید و تمام ...
ادامه مطلب
روش های استخراج معادن به 3 طبقه بندی پرکاربرد تقسیم می شوند: 1) بر اساس نوع ماده معدنی. به دو دسته مواد فلزی و غیرفلزی تقسیم می شود. 2) بر اساس عمق معدن. براساس میزان عمق، روش های استخراج متفاوت ...
ادامه مطلب
اما در یادگیری عمیق، خود شبکه‌های عصبی عمیق قادر به استخراج ویژگی‌های موردنیاز از داده‌ها هستند. این موضوع نشان می‌دهد که یک شبکه عصبی عمیق می‌تواند ویژگی‌های پیچیده‌تری را از داده‌ها ...
ادامه مطلب
دریای خزر در گذشته بخشی از دریای تتیس بود که اقیانوس آرام را به اقیانوس اطلس متصل می‌کرد. این دریا که گاهی بزرگترین دریاچه جهان و گاهی کوچک‌ترین دریای خودکفای کره زمین طبقه‌بندی می‌شود ...
ادامه مطلب
اصطلاح یادگیری عمیق (Deep Learning) شامل مفاهیم و الگوریتم‌های پیچیده‌ی علمی است که در هدایت حوزه‌ی هوش مصنوعی یا AI از آنها استفاده می‌شود. یادگیری عمیق با گسترش مداوم اطلاعات دیجیتالی که در ...
ادامه مطلب
یادگیری عمیق (Deep Learning) بخشی از خانواده‌ی بزرگ‌تر یادگیری ماشین است که بر روش‌هایی تمرکز دارد که مبتنی بر شبکه‌های عصبی مصنوعی هستند. در این مقاله از فنولوژی به این سوال پاسخ می‌دهیم که ...
ادامه مطلب
۱۰ الگوریتم برتر یادگیری عمیق در سال ۲۰۲۲. یادگیری عمیق در محاسبات علمی محبوبیت بسیاری پیدا کرده است و الگوریتم هایش به طور وسیعی توسط صنایعی که با مسائل پیچیده سر و کار دارند، مورد استفاده ...
ادامه مطلب
به طور کلی، استخراج معدن، فرآیند پس از حفاری معادن در طی معدنکاری است که به برداشت مواد معدنی مورد نیاز بشر منجر می شود. در طی این فرایند مواد معدنی مورد هدف، با کمترین میزان سنگ های زائد از پوسته زمین استخراج می گردند.
ادامه مطلب
چاه مته ای عمیق چیست؟ «چاه مته‌ای» (Drilled Well)، چاهی است که با استفاده از تجهیزات ماشینی حفاری می‌شود. تجهیزات ماشینی حفر چاه، با به کارگیری یک سرمته مخصوص به اعماق خاک و سنگ نفوذ می‌کنند.
ادامه مطلب
دیپ لرنینگ (یادگیری عمیق) یکی از زیرشاخه‌های یادگیری ماشین است. سیستم‌هایی که براساس این فناوری طراحی شده‌اند، همانند انسان‌ها می‌توانند درباره موضوعات مشخص، راه‌حل ارائه کنند و یادگیری متداوم داشته باشند.
ادامه مطلب
دیپ لرنینگ یا یادگیری عمیق چیست و چه کاربردهایی دارد، مزایا و معایب و الگوریتم های دیپ لرنینگ را در این مقاله بخوانید و با ما همراه باشید. ... این امر باعث می‌شود که ابزار مفیدی برای استخراج ...
ادامه مطلب
معایب سازه نگهبان خرپایی چه هستند؟ ... «حسین زبرجدی دانا»، کارشناس ارشد مهندسی استخراج معدن است. فعالیت‌های علمی او در زمینه تحلیل عددی سازه‌های مهندسی بوده و در حال حاضر، دبیر بخش مهندسی ...
ادامه مطلب
یادگیری عمیق یکی از حوزه‌های مهم در علم داده است که با استفاده از شبکه‌های عصبی، به دنبال یادگیری و استخراج ویژگی‌های پیچیده از داده‌ها می‌باشد. در این مقاله از سایت جت با ما همراه باشید تا با کاربردهای یادگیری عمیق ...
ادامه مطلب
مروری بر روشهای مختلف یادگیری عمیق. ... Dai et al.(159) بدون استخراج نواحی از تصاویر خام,یک روش convolutional feature masking (CFM) را به منظور استخراج پیشنهادها بصورت مستقیم از feature mapها طراحی کرد .از آنجایی که feature ...
ادامه مطلب
برای درک بهتر پاسخ پرسش «یادگیری عمیق چیست، باید به ویژگی‌های مثبت و منفی این حوزه از هوش مصنوعی نیز اشاره کرد. پیدایش حوزه یادگیری عمیق و ارائه مدل‌های مختلف و پیشرفته آن و خروجی شگفت‌انگیز این مدل‌ها باعث شده است که اکثر سازمان‌های بزرگ، به منظور پیشرفت در حوزه مورد فعالیت خود از ابزارهای هوشمند این شاخه از فناوری استفاده کنند. در ادامه، به برخی ...
ادامه مطلب
مدل‌های تولیدی عمیق ... علاوه بر این از این مدل شبکه برای کاهش ابعاد، استخراج ویژگی و یافتن نمایش یا توزیع داده نیز استفاده می‌شود. ... یکی از معایب اصلی شبکه‌های تخاصمی مولد این است که گاهی ...
ادامه مطلب
برای استخراج آن ، معادنی ساخته می شوند که از منابع بهره برداری می شود. ... عمیق تر و عمیق تر ، با اعمال فشار پوسته زمین ، به هیدروکربن تبدیل شد. ... معایب گسترده تر هستند زیرا به انواع مختلفی تقسیم ...
ادامه مطلب
در این مقاله به تمامی جنبه های یادگیری عمیق پرداخته ایم و سعی کرده ایم تا مزایا و معایب دیپ لرنینگ را خدمتتان بیان کنیم، با آکادمی درسمن همراه باشید. ... ، علم استخراج معنای متنِ بدون ساختار است ...
ادامه مطلب
به عبارتی، مدل‌های یادگیری عمیق نیازی به گام مجزا برای استخراج ویژگی ندارند و لایه‌های شبکه‌های عصبی قادر هستند بازنمایی‌های ضمنی داده‌های خام را در روال آموزش شبکه یاد بگیرند.
ادامه مطلب
در سال ۲۰۱۰ ، یک دستگاه حفاری فوق عمیق به نام Deepwater Horizon منفجر شد و باعث بزرگترین نشت نفت دریایی در تاریخ شد. این نشان می دهد که سوخت های فسیلی می توانند برای زندگی انسان و طبیعت نیز خطرناک باشند.
ادامه مطلب
ذخایر نفت و گاز طبیعی به طور معمول یک یا دو مایل پایین تر هستند و عمیق ترین چاه های نفت و گاز بیش از شش مایل زیر سطح زمین می باشند. ... معایب سوخت فسیلی ... ما نفت خام استخراج شده را به محصولات مختلف ...
ادامه مطلب
شبکه عصبی کانولوشنی یا CNN چیست؟ CNN مخفف کلمه Convolutional Neural Network است که یک نوع شبکه عصبی یادگیری عمیق است که معمولاً برای تجزیه و تحلیل تصویر و ویدئو، پردازش زبان طبیعی و سایر وظایف مربوط به داده‌های متوالی استفاده می‌شود.
ادامه مطلب
همان‌طور که قبلاً اشاره کردیم، در این مرحله از شبکه‌ی عصبی کانولوشنی (CNN) ابتدا مسطح‌سازی (Flattening) صورت می‌گیرد. به‌این معنا که ماتریس خروجی از مرحله‌ی اول (استخراج ویژگی) باید به یک بردار ...
ادامه مطلب
این نوع یادگیری انتقالی، در یادگیری عمیق بیشترین استفاده را دارد. 3- استخراج ویژگی. رویکرد دیگر یادگیری عمیق، یافتن بهترین نوع نمایش برای یک مسئله است و این به معنی یافتن مهم‌ترین ویژگی‌ها است.
ادامه مطلب
شبکه عصبی کانولوشن — راهنمای مقدماتی. در این راهنما به معرفی روش ساخت شبکه‌های عمیق برای مقاصد بینایی ماشین می‌پردازیم. بینایی ماشین یا «بینایی رایانه» (Computer Vision) در زمینه هوش مصنوعی حوزه ...
ادامه مطلب
یادگیری عمیق چیست؟ (۱۰ کاربرد مهم آن در صنایع مختلف) این روز ها همه ما حتی اگر از فضاهای تکنولوژی به دور باشیم حداقل یک بار عباراتی مانند هوش مصنوعی و یادگیری عمیق یا دیپ لرنینگ را شنیده ایم ...
ادامه مطلب
در این صفحه تعداد 1031 مقاله تخصصی درباره یادگیری عمیق که در نشریه های معتبر علمی و پایگاه ساینس دایرکت (Science Direct) منتشر شده، نمایش داده شده است. برخی از این مقالات، پیش تر به زبان فارسی ترجمه شده ...
ادامه مطلب
این نوع از شبکه عصبی، در واقع یک شبکه عصبی پیش‌خور (ff) با سلول‌های حافظه استخراج شده است. برخی از پژوهشگران نیز بر این باورند که ماشین عصبی تورینگ، نوعی از انتزاع بر فراز LSTM است.
ادامه مطلب
در بخش حاضر، به معرفی رایج‌ترین الگوریتم های یادگیری عمیق پرداخته می‌شود و نحوه کارکرد آنها و مزایا و معایب انواع شبکه های عصبی مصنوعی مورد بررسی قرار می‌گیرند. این الگوریتم‌ها …
ادامه مطلب
محدودیت‌ها و معایب یادگیری عمیق. در بخش‌های قبلی با مزایا و کاربردهای بی‌شمار یادگیری عمیق (Deep Learning) و تأثیر بی‌نظیر آن بر زندگی انسان آشنا شدیم. اما بد نیست بدانید که دیپ لرنینگ با وجود ...
ادامه مطلب
یادگیری عمیق در تشخیص چهره پیشرفت‌های زیادی داشته است خصوصاً در حوزه شبکه‌های عصبی عمیق پیچشی که در امور بینایی رایانه‌ایِ موفق بوده‌اند. ... معایب: مساله‌ای اصلیِ الگوریتم‌های ویژگی ...
ادامه مطلب
این نوع از یادگیری انتقالی بیشترین کاربرد را در یادگیری عمیق دارد. استخراج ویژگی (Feature Extraction) یکی دیگر از روشهای یادگیری انتقالی استخراج مهم‌ترین ویژگی‌ها با استفاده از یادگیری عمیق است.
ادامه مطلب
پردازش زبان طبیعی (NLP) زبان‌شناسی محاسباتی (Computational Linguistics) را با مدل‌های (Statistical Models)، یادگیری ماشین (Machine Learning) و یادگیری عمیق (Deep Leaning) ترکیب می‌کند که همان زیرشاخه یادگیری ماشین است.
ادامه مطلب
در ابتدای مطلب حاضر از مجله فرادرس به مفهوم داده کاوی، تاریخچه، مزایا و معایب آن می‌پردازیم و توضیح خواهیم داد این شاخه از علوم کامپیوتر چه مباحثی را شامل می‌شود و چه تفاوتی با «یادگیری ماشین» (Machine Learning) دارد.
ادامه مطلب
دارای پشتیبانی داخلی برای استخراج داده‌ها از اسناد HTML و XML. استفاده از آن آسان است و یک رابط کاربری گرافیکی دارد. معایب کتابخانه Scrapy. از معایب معایب Scrapy موارد زیر را می‌توان نام برد:
ادامه مطلب