منظمسازی (Regularization) در یادگیری عمیق
مقدمه در مدلهای یادگیری عمیق، افزایش تعداد پارامترها و ظرفیت بازنمایی شبکههای عصبی، توانایی مدلها را در یادگیری الگوهای پیچیده بهطور چشمگیری افزایش داده است. با این حال، همین ظرفیت بالا خطر بیشبرازش (Overfitting) را نیز تشدید میکند؛ وضعیتی که در آن مدل بهجای یادگیری ساختار آماری داده، نویز و نوسانات تصادفی مجموعه آموزش را […]
بیشبرازش (Overfitting) و کمبرازش (Underfitting) در یادگیری عمیق
مقدمه یادگیری عمیق به عنوان یکی از تحولآفرینترین فناوریهای قرن بیست و یکم ظهور کرده و حوزههای مختلفی، از بینایی ماشین و پردازش زبان طبیعی گرفته تا مراقبتهای بهداشتی و سیستمهای خودران را دگرگون ساخته است. در هستهی اصلی این فناوری، شبکههای عصبی مصنوعی با لایههای متعدد قرار دارند که بازنماییهای سلسلهمراتبی از دادهها را […]