مروري بر مدل‌هاي يادگيري عميق

An overview of deep learning models

هدف از انجام اين مقاله مروري بر ادبيات يادگيري عميق و بررسي انواع مدل هاي ارائه شده در اين حوزه مي‌باشد. پس از بررسي بيش از 40 مقاله و تمركز بر روي مقاله‌هاي سال‌هاي اخير، به سرعت رشد اين فناوري پي برديم و سعي در نگارش مختصري از چگونگي ايجاد اين شاخه از علم كرديم. اين مقاله به بررسي سير توسعه و رشد حوزه يادگيري عميق از سال‌هاي ابتدايي ايجاد آن تا وضعيت كنوني آن پرداخته و انواع مدل‌هاي يادگيري عميق، مانند خودرمزگذار پشته‌اي، شبكه باور عميق، ماشين بولتزمن عميق، و شبكه عصبي كانولوشنال را توصيف مي‌كند.

The purpose of this article is to review the literature on deep learning and to examine the types of models presented in the field. After reviewing more than 40 articles and focusing on those published in recent years, we realised the rapid growth of this technology and attempted to write a brief description of how this branch of science was created. This article examines the development and growth of the field of deep learning from its early years to its current state, and describes a variety of deep learning models, such as stack autoencoders, deep belief networks, deep Boltzmann machines, and convolutional neural networks.