গভীর শিখন
যান্ত্রিক শিক্ষার শাখা / From Wikipedia, the free encyclopedia
গভীর জ্ঞানার্জন বা গভীর শিখন (গভীর কাঠামোগত শিক্ষণ বা ক্রমাধিকারতান্ত্রিক শিক্ষণ বা ডিপ লার্নিং নামেও পরিচিত) হল কৃত্রিম স্নায়ুতন্ত্রের উপর ভিত্তি করে যন্ত্রীয় শিখন পদ্ধতিগুলির একটি বৃহত্তর পরিবারের অংশ। শিক্ষা তত্ত্বাবধানকৃত, আধাতত্ত্বাবধানকৃত বা অতত্ত্বাবধানকৃত হতে পারে। [1][2][3] সহজ কথায় মেশিন লার্নিং-এর যে শাখা ইনপুটের বাহ্যিক বৈশিষ্টের বাইরেও ভিন্ন ভিন্ন দৃষ্টিভংগী থেকে নতুন বৈশিষ্ট্য আবিষ্কার ও তাদের মধ্যে যৌক্তিক সম্পর্ক নিরূপণপূর্বক ইনপুটের সাংখ্যিক রূপ নির্ণয়ে কাজ করে তাকে ডিপ লার্নিং বলে।
গভীর নিউরাল নেটওয়ার্ক, গভীর বিশ্বাস নেটওয়ার্ক, পুনরাবৃত্তিমূলক নিউরাল নেটওয়ার্ক এবং কনভলুশনাল নিউরাল নেটওয়ার্ক- এর মতো গভীর শিক্ষণ আর্কিটেকচার কম্পিউটার ভিশন , বাচন শনাক্তকরণ , 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 । [4][5][6]
কৃত্রিম নিউরাল নেটওয়ার্ক (এএনএন) জৈবিক ব্যবস্থায় তথ্য প্রক্রিয়াকরণ এবং বিস্তৃত যোগাযোগ নোড দ্বারা অনুপ্রাণিত। কৃত্রিম নিউরাল নেটওয়ার্ক ও জৈবিক মস্তিষ্কের বিভিন্ন পার্থক্য আছে। বিশেষত, নিউরাল নেটওয়ার্ক স্থিত এবং প্রতীকী;অন্যদিকে অধিকাংশ জীবের জৈবিক মস্তিষ্ক গতিশীল (নমনীয়) এবং এনালগ। [7][8][9]