عنوان فارسی مقاله:مروری بر الگوریتم های یادگیری عمیق و کاربردهای آنها در مراقبت های درمانی و بهداشت و درمان
چکیده
یادگیری عمیق از شبکههای عصبی مصنوعی برای تشخیص الگوها و یادگیری از آنها برای تصمیم گیری استفاده میکند. یادگیری عمیق نوعی یادگیری ماشینی است که از شبکههای عصبی مصنوعی برای تقلید از مغز انسان استفاده میکند. از روشهای یادگیری ماشینی مانند استراتژیهای یادگیری با نظارت، نیمهنظارت یا بدون نظارت برای یادگیری خودکار در معماریهای عمیق استفاده میکند و به دلیل توانایی برتر خود در یادگیری از مقادیر عظیم داده، محبوبیت زیادی به دست آورده است. مشخص شد که رویکردهای یادگیری عمیق را میتوان با موفقیت برای تجزیه و تحلیل کلان داده استفاده کرد. برنامههای کاربردی شامل دستیارهای مجازی مانند الکسا و سیری، تشخیص چهره، شخصیسازی، پردازش زبان طبیعی، اتومبیلهای خودران، تولید خودکار دستنویس، جمعآوری اخبار، رنگآمیزی تصاویر سیاه و سفید، افزودن صدا به فیلمهای بیصدا، بازیابی پیکسلها میشود. به عنوان یک بررسی، این مقاله قصد دارد چندین الگوریتم یادگیری عمیق پرکاربرد را به همراه معماری و کاربردهای عملی آنها پوشش دهد: پس انتشار، رمزگذارهای خودکار، رمزگذارهای خودکار متغیر، ماشینهای بولتزمن محدود، شبکههای باور عمیق، شبکههای عصبی کانولوشن، شبکههای عصبی بازگشتی، شبکههای خصمانه مولد.، capsnetها، مبدلها، تعبیهها از مدلهای زبان، نمایش رمزگذار دوطرفه از مبدلها، و توجه در پردازش زبان طبیعی. علاوه بر این، چالشهای یادگیری عمیق نیز در این مقاله ارائه شده است، مانند AutoML-Zero، جستجوی معماری عصبی، یادگیری عمیق تکاملی و موارد دیگر. مزایا و معایب این الگوریتمها و کاربردهای آنها در مراقبتهای بهداشتی، در کنار جهتگیری آینده این حوزه بررسی میشوند. این مقاله یک بررسی و یک نقطه بازرسی برای سیستمبندی الگوریتمهای محبوب و تشویق نوآوری بیشتر در مورد کاربردهای آنها ارائه میکند. برای محققان جدید در زمینه یادگیری عمیق، این بررسی میتواند به آنها کمک کند تا جزئیات زیادی در مورد مزایا، معایب، کاربردها و مکانیسمهای کاری تعدادی از الگوریتمهای یادگیری عمیق به دست آورند. علاوه بر این، ما اطلاعات دقیقی را در مورد نحوه اعمال چندین الگوریتم یادگیری عمیق در مراقبتهای بهداشتی، از جمله در رابطه با همهگیری COVID-19، معرفی میکنیم. با ارائه بسیاری از چالشهای یادگیری عمیق در یک بخش، امیدواریم آگاهی از این چالشها و نحوه برخورد با آنها افزایش یابد. این امر همچنین میتواند محققان را برای یافتن راه حلهایی برای این چالشها ترغیب کند.
- لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.