کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7412881 1481747 2016 30 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
An overview on data representation learning: From traditional feature learning to recent deep learning
ترجمه فارسی عنوان
یک مرور کلی در یادگیری ارائه اطلاعات: از یادگیری ویژگی های سنتی تا یادگیری عمیق اخیر
کلمات کلیدی
یادگیری نمایندگی، یادگیری ویژگی یادگیری عمیق،
ترجمه چکیده
از آنجایی که حدود 100 سال پیش، برای یادگیری ساختار درونی داده ها، بسیاری از روش های ارائه یادگیری ارائه شده اند، یا خطی یا غیر خطی، یا تحت نظارت و یا بدون نظارت، یا یک کپی رایت؟ یا "دیپا"؟ به ویژه، معماری عمیق به طور گسترده ای برای یادگیری نمایندگی در سال های اخیر مورد استفاده قرار گرفته است و نتایج بسیاری را در بسیاری از کارها مانند طبقه بندی تصویر، تشخیص شی و تشخیص گفتار ارائه کرده است. در این مقاله، توسعه روش های ارائه یاددهی داده را بررسی می کنیم. به طور خاص، ما هر دو الگوریتم یادگیری ویژگی های سنتی و مدل های پیشرفته تحصیلی پیشرفته را بررسی می کنیم. تاریخ یادگیری نمایندگی داده معرفی شده است، در حالی که در دسترس منابع آنلاین (به عنوان مثال، دوره ها، آموزش ها و کتاب ها) و جعبه ابزار ارائه شده است. در پایان، ما چند سخنرانی در مورد توسعه یادگیری نمایندگی داده ها را ارائه می دهیم و برخی از مسیرهای تحقیق جالب در این زمینه را پیشنهاد می کنیم.
موضوعات مرتبط
علوم انسانی و اجتماعی اقتصاد، اقتصادسنجی و امور مالی تامین مالی
پیش نمایش مقاله
یک مرور کلی در یادگیری ارائه اطلاعات: از یادگیری ویژگی های سنتی تا یادگیری عمیق اخیر
چکیده انگلیسی
Since about 100 years ago, to learn the intrinsic structure of data, many representation learning approaches have been proposed, either linear or nonlinear, either supervised or unsupervised, either “shallow” or “deep”. Particularly, deep architectures are widely applied for representation learning in recent years, and have delivered top results in many tasks, such as image classification, object detection and speech recognition. In this paper, we review the development of data representation learning methods. Specifically, we investigate both traditional feature learning algorithms and state-of-the-art deep learning models. The history of data representation learning is introduced, while available online resources (e.g., courses, tutorials and books) and toolboxes are provided. At the end, we give a few remarks on the development of data representation learning and suggest some interesting research directions in this area.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: The Journal of Finance and Data Science - Volume 2, Issue 4, December 2016, Pages 265-278
نویسندگان
, , , ,