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

0 امتیاز

با سلام
من می خواستم بدونم مرز بین شبکه های عصبی عمیق و کم عمق کجاست؟ در واقع آستانه ای که برای تعداد لایه ها یا سایر موارد تعریف می شود برای مشخص شدن عمیق بودن شبکه، چیست؟

بسیار ممنونم

توسط (132 امتیاز)

1 پاسخ

+1 امتیاز
 
بهترین پاسخ

سلام
قبل از باب شدن شبکه های عمیقی که میشناسیم. شبکه های عصبی دارای لایه ورودی - یک لایه مخفی - و لایه خروجی بودند. و امروزه با بکار گرفتن شبکه های با لایه مخفی بیش از یکی به شبکه های قدیمی shallow‌ می گویند. از طرف دیگه میتونیم بگیم که شبکه های عمیق دارای دو ویژگی هستند یکی اینکه تعداد لایه های زیادی دارند و دیگری اینکه دیتای زیادی برای آموزش اونها لازمه.
پ ن : در کل دلیل شهرت و محبوبیت شبکه های عمیق به خاطر بکار بردن تعداد لایه های زیاد نیست. این شبکه ها با توجه به معماریشون قدرت استخراج ویژگی را دارند که این امکان را میدهند که بتوان end-to-end‌ از آنها استفاده کرد.

توسط (830 امتیاز)
انتخاب شده توسط
سلام
خیلی ممنون از توضیحاتتون.
لطف کردید.
در جمله آخرتون منظورتون اینه که با توجه به وصل نشدن هر نورون به همه نورون های قبلی در این شبکه ها تعداد پارامترها قابل مدیریت هستند برای امکان استخراج ویژگی و حالا که در یک شبکه امکان استخراج ویژگی با کلاس بندی توام شده امکان آموزش end to end را داریم یا نه؟
متشکرم
سلام
end-to-end یعنی اینکه تمامی بخش های شبکه بطور همزمان طراحی (آموزش) داده می شود. ابتدا معماری که بطور کلی شامل feature extractor و classification  هستش طراحی میشود و به هم متصل شده و تمامی معماری یکجا آموزش داده می شود. بعبارت دیگر لازم نیست که بخش های مختلف شبکه جدای از شبکه طراحی شود (آموزش ببیند) و سپس سر هم شود.
بسیار ممنونم
لطف کردید
...