یادگیری عمیق و کاربردهایش در پایش ماشینی سلامت

دسته بندي : علوم انسانی » مدیریت
یادگیری عمیق و کاربردهایش در پایش ماشینی سلامت
جزئیات و دریافت

چکیده
یادگیری عمیق (DL)، با سرعت، از سال 2006 به یک مسیر تحقیقاتی در حال رشد تبدیل شده و پیشرفته-ترین کارایی¬ها را در طیف وسیعی از زمینه‌ها از جمله تشخیص اشیا، بخش¬بندی تصویر، تشخیص گفتار و ترجمه ماشینی، بازتعریف می‌کند. در سیستم‌های تولیدی مدرن، پایش ماشینی سلامت ‌های مبتنی بر داده به دلیل استقرار گسترده حسگرهای ارزان‌قیمت و اتصال آنها به اینترنت، محبوبیت زیادی دارد. در همین حال، یادگیری عمیق، ابزارهای مفیدی را برای پردازش و تحلیل این کلان داده¬های ماشینی، فراهم می¬کند. هدف اصلی این مقاله، بررسی و خلاصه کردن کار تحقیقاتی نوظهور یادگیری عمیق در پایش ماشینی سلامت است. پس از معرفی کوتاه تکنیک‌های یادگیری عمیق، استفاده از یادگیری عمیق در سیستم‌های پایش ماشینی سلامت، عمدتا از جنبه‌های زیر بررسی می‌شوند: خود رمزگذار (AE) و انواع آن، ماشین های بولتزمن محدود شده و انواع آن از جمله شبکه باور عمیق (DBN) و ماشین‌های بولتزمن عمیق (DBM)، شبکه‌های عصبی کانولوشن (CNN) و شبکه‌های عصبی بازگشتی (RNN). علاوه بر این، یک مطالعه تجربی بر روی کارایی این رویکردها انجام شده که در آن داده‌ها و کد، به صورت آنلاین بوده است. در نهایت، برخی از روندهای جدید روش¬های پایش ماشینی سلامت مبتنی بر DL مورد بحث قرار می گیرند.
دسته بندی: علوم انسانی » مدیریت

تعداد مشاهده: 6181 مشاهده

فرمت فایل دانلودی:.docx

فرمت فایل اصلی: docx

تعداد صفحات: 46

حجم فایل:1,475 کیلوبایت

 قیمت: 64,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل دانلود پیش نمایش
  • محتوای فایل دانلودی:
    فایل انگلیسی در بخش دمو به صورت پی دی اف و فایل فارسی در قالب آفیس

برچسب ها: یادگیری عمیق پایش ماشینی سلامت داده¬های بزرگ