গভীর শিখন: সংশোধিত সংস্করণের মধ্যে পার্থক্য

▲'''গভীর জ্ঞানার্জন বা গভীর শিক্ষণ'''('''গভীর কাঠামোগত শিক্ষণ''' বা '''ক্রমাধিকারতান্ত্রিক শিক্ষণ''' নামেও পরিচিত;{{lang-en|[[:en:Deep learning|Deep learning]]}}) হল কৃত্রিম স্নায়ুতন্ত্রের উপর ভিত্তি করে [[মেশিন লার্নিং]] পদ্ধতিগুলির একটি বৃহত্তর পরিবার অংশ। শিক্ষা [[তত্ত্বাবধানে জ্ঞানার্জন|তত্ত্বাবধানকৃত]], আধাতত্ত্বাবধানকৃত বা অতত্ত্বাবধানকৃত হতে পারে। <ref name="BENGIO2012">{{সাময়িকী উদ্ধৃতি|শিরোনাম=Representation Learning: A Review and New Perspectives|শেষাংশ=Bengio|প্রথমাংশ=Y.|শেষাংশ২=Courville|প্রথমাংশ২=A.|বছর=2013|পাতাসমূহ=1798–1828|arxiv=1206.5538|doi=10.1109/tpami.2013.50|pmid=23787338}}</ref> <ref name="SCHIDHUB">{{সাময়িকী উদ্ধৃতি|শিরোনাম=Deep Learning in Neural Networks: An Overview|শেষাংশ=Schmidhuber|প্রথমাংশ=J.|বছর=2015|পাতাসমূহ=85–117|arxiv=1404.7828|doi=10.1016/j.neunet.2014.09.003|pmid=25462637}}</ref> <ref name="NatureBengio">{{সাময়িকী উদ্ধৃতি|শিরোনাম=Deep Learning|শেষাংশ=Bengio|প্রথমাংশ=Yoshua|শেষাংশ২=LeCun|প্রথমাংশ২=Yann|বছর=2015|পাতাসমূহ=436–444|doi=10.1038/nature14539|pmid=26017442}}</ref>

▲গভীর নিউরাল নেটওয়ার্ক, গভীর বিশ্বাস নেটওয়ার্ক, পুনরাবৃত্তিমূলক নিউরাল নেটওয়ার্ক এবং কনভলুশনাল নিউরাল নেটওয়ার্ক- এর মতো গভীর শিক্ষণ আর্কিটেকচার কম্পিউটার ভিশন , বাচন শনাক্তকরণ , [[প্রাকৃতিক ভাষা প্রক্রিয়াকরণ|প্রাকৃতিক ভাষা প্রক্রিয়াজাতকরণ]], অডিও শনাক্তকরণ, সামাজিক নেটওয়ার্ক ফিল্টারিং, মেশিন অনুবাদ, [[জৈব তথ্যবিজ্ঞান]], ড্রাগ ডিজাইন , মেডিকেল ইমেজ বিশ্লেষণ, উপাদান পরিদর্শন এবং বোর্ড গেম প্রোগ্রাম -সহ বিভিন্ন ক্ষেত্রে প্রয়োগ করা হয়েছে, যেখানে তারা তুলনামূলক এবং কিছু ক্ষেত্রে মানব বিশেষজ্ঞদের থেকে উচ্চতর ফলাফল দিয়েছে । <ref name=":9">{{সাময়িকী উদ্ধৃতি|ইউআরএল=http://ieeexplore.ieee.org/document/6248110/|শিরোনাম=Multi-column deep neural networks for image classification|শেষাংশ=Ciresan|প্রথমাংশ=Dan|শেষাংশ২=Meier|প্রথমাংশ২=U.|তারিখ=June 2012|পাতাসমূহ=3642–3649|via=|arxiv=1202.2745|doi=10.1109/cvpr.2012.6248110|আইএসবিএন=978-1-4673-1228-8}}</ref> <ref name="krizhevsky2012">{{সাময়িকী উদ্ধৃতি|ইউআরএল=https://www.cs.toronto.edu/~kriz/imagenet_classification_with_deep_convolutional.pdf|শিরোনাম=ImageNet Classification with Deep Convolutional Neural Networks|শেষাংশ=Krizhevsky|প্রথমাংশ=Alex|শেষাংশ২=Sutskever|প্রথমাংশ২=Ilya|তারিখ=2012}}

▲</ref> <ref>{{ওয়েব উদ্ধৃতি|ইউআরএল=https://techcrunch.com/2017/05/24/alphago-beats-planets-best-human-go-player-ke-jie/amp/|শিরোনাম=Google's AlphaGo AI wins three-match series against the world's best Go player|তারিখ=25 May 2017|ওয়েবসাইট=TechCrunch}}</ref>

▲[[কৃত্রিম নিউরাল নেটওয়ার্ক]] (এএনএন) জৈবিক ব্যবস্থায় তথ্য প্রক্রিয়াকরণ এবং বিস্তৃত যোগাযোগ নোড দ্বারা অনুপ্রাণিত। [[কৃত্রিম নিউরাল নেটওয়ার্ক]] ও জৈবিক [[মস্তিষ্ক|মস্তিষ্কের]] বিভিন্ন পার্থক্য আছে। বিশেষত, [[কৃত্রিম নিউরাল নেটওয়ার্ক|নিউরাল]] নেটওয়ার্ক স্থিত এবং প্রতীকী;অন্যদিকে অধিকাংশ জীবের জৈবিক মস্তিষ্ক গতিশীল (নমনীয়) এবং এনালগ। <ref>{{সাময়িকী উদ্ধৃতি|শিরোনাম=Toward an Integration of Deep Learning and Neuroscience|শেষাংশ=Marblestone|প্রথমাংশ=Adam H.|শেষাংশ২=Wayne|প্রথমাংশ২=Greg|তারিখ=2016|পাতাসমূহ=94|doi=10.3389/fncom.2016.00094|pmc=5021692|pmid=27683554}}</ref> <ref>{{সাময়িকী উদ্ধৃতি|শিরোনাম=Emergence of simple-cell receptive field properties by learning a sparse code for natural images|শেষাংশ=Olshausen|প্রথমাংশ=B. A.|বছর=1996|পাতাসমূহ=607–609|doi=10.1038/381607a0|pmid=8637596}}</ref> <ref>{{Cite arXiv}}</ref>