به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

دسته بندی ها

+1 امتیاز

با سلام و عرض ادب
دو سوال داشتم
من دیده ام که برخی منابع، اسپارس کدینگ را از زیرشاخه های دیپ لرنینگ به حساب آورده اند. درست است؟
و سوال دوم اینکه آیا اسپارس کدینگ با اسپارس رپرزنتیشن یکی است یا تفاوت دارند؟
با تشکر

توسط (105 امتیاز)
برچسب گذاری دوباره توسط

1 پاسخ

+2 امتیاز

سلام
ببینید تا اونجایی که من اطلاع دارم اسپارس کدینگ خیلی به خودرمزکننده های تنک (Sparse Autoencoder) شباهت دارند و به همین دلیل بعضی ها اونها رو در حوزه یادگیری ژرف قرار می دن.
اگر بخش دوم پرسش شما رو درست متوجه شده باشم بحث بازنمایی تنک (Sparse Representation) یه بحث کلی هست در زمینه بازنمایی دادگان که برای مثال در فاز به دست آوردن ویژگی انجام می شه. مثلا خودرمزکننده های تنک در مرحله ی استفاده عمل بازنمایی تنک رو انجام می دن. در حقیقت بازنمایی تنک در زمان استفاده از سیستم ( و نه زمان آموزش) مطرح هستش

توسط (535 امتیاز)
خیلی ممنونم از پاسخ شما
پس در حقیقت اگر من برای استخراج ویژگی از اسپارس رپرزنتیشن استفاده کنم، آیا میتوانم ادعا کنم که یادگیری عمیق انجام داده ام؟ چون برای مثال شبکه کانولوشن هم ویژگی استخراج میکند و همین استخراج ویژگی را بعنوان یادگیری برای دسته بندی قلمداد میکند. پس اگر من هم بوسیله ی بازنمای تنک ویژگی جهت دسته بندی یا هرچیز دیگر استخراج کنم آیا میشود این را هم یادگیری از نوع عمیق دانست؟
در نهایت از شما و دوستان دیگر متشکرم
این بحث متفاوت هستش. بحث یادگیری ژرف از نوع ابزار جدا هستش. حتی شما اگر با شبکه های کانولوشن یادگیری ویژگی داشته باشید و بازنمایی هم انجام بدین حتما یادگیری ژرف انجام نشده! دلیل مطرح شدن بحث یادگیری ژرف عمیق کردن سلسله مراتب یادگیری ویژگی هست که در شبکه های عصبی به صورت های مختلف انجام می شه و دلیل این کار هم توانایی استخراج ویژگی های سطح بالا هستش. یعنی شما اگر از یک شبکه کانولوشن تک لایه استفاده کنید یادگیری ژرف انجام نشده! در مورد خودرمزکننده های تنک و همینطور بازنمایی تنک هم این قاعده پابرجاهست.
در مورد نظر شما در مورد شبکه های کانولوشن که بحثی نیست و کاملا موافقم و اصولا شبکه های دیپ کانولوشن را از دسته ی دیپ لرنینگ میدانند.
پس نتیجه میگیریم برای انکه یادگیریمان عمیق باشد در شبکه کانولوشن نیاز به لایه های متعدد جهت استخراج ویژگی های سطح بالا داریم.
حال برای اینکه ویژگیهایی که اسپارس رپرزنتیشن استخراج میکند و نوع یادگیریش عمیق باشد، چه باید کرد؟ آیا مقاله یا آموزشی در اینباره هست؟
...