Trends in Deep Learning Methodologies: Algorithms, Applications, and Systems
Trendy v metodikách hlbokého učenia: Algoritmy, aplikácie a systémy sa zaoberajú prístupmi hlbokého učenia, ako sú neurónové siete, hlboké siete viery, rekurentné neurónové siete, konvolučné neurónové siete, hlboký autokodér a hlboké generatívne siete, ktoré sa stali výkonnými výpočtovými modelmi. V kapitolách sa podrobne rozoberajú tieto modely, ktoré preukázali značný úspech pri práci s obrovským množstvom údajov pre veľký počet aplikácií, vzhľadom na ich schopnosť extrahovať komplexné skryté funkcie a učiť sa efektívnu reprezentáciu v nekontrolovanom prostredí.
Kapitoly skúmajú algoritmy založené na hlbokom učení v rôznych aplikáciách vrátane biomedicínskej a zdravotníckej informatiky, počítačového videnia, spracovania obrazu a ďalších. V posledných rokoch bolo vyvinutých mnoho výkonných algoritmov na porovnávanie vzorov v údajoch a predpovedanie budúcich udalostí. Hlavnou výhodou hlbokého učenia je spracovanie analýzy veľkého množstva údajov na lepšiu analýzu a samoadaptívne algoritmy na spracovanie väčšieho množstva údajov.
Metódy hlbokého učenia sa dokážu vysporiadať s viacerými úrovňami reprezentácie, v ktorých sa systém učí abstrahovať reprezentácie vyšších úrovní surových údajov. Predtým bolo bežnou požiadavkou mať experta na danú oblasť, ktorý by vyvinul špecifický model pre každú konkrétnu aplikáciu, avšak nedávny pokrok v algoritmoch učenia reprezentácie umožňuje výskumníkom v rôznych tematických oblastiach automaticky sa naučiť vzory a reprezentáciu daných údajov na vývoj špecifických modelov.
