ترجمه مقاله یادگیری مادام العمر اعمال انسانی با استفاده از خود سازمان دهی شبکه عصبی عمیق – سال 2017
مشخصات مقاله:
عنوان فارسی مقاله:
یادگیری مادام العمر اعمال انسانی با استفاده از خود سازمان دهی شبکه عصبی عمیق
عنوان انگلیسی مقاله:
Lifelong learning of human actions with deep neural network self-organization
کلمات کلیدی مقاله:
یادگیری مادام العمر، تشخیص عمل، یادگیری عمیق نظارت نشده (غیر نظارتی)، شبکه های عصبی خود سازمان ده
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
هوش مصنوعی
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
2. کارهای مرتبط
1. 2. مدلهای محاسباتی خود سازمان دهنده عصبی
2. 2 شبکه های خود سازمان دهنده بازگشتی
3. 2 یادگیری مادام العمر
3. روش پیشنهادی
1. 3 خود سازمان دهنده عصبی سلسله مراتبی
2. 3 شبکه Gamma-GWR
3. 3 یادگیری مادام العمر
4. 3 لایه های پولینگ
5. 3. یادگیری انجمنی و طبقه بندی
4. آزمایشات و نتایج
1. 4 پارامترهای آموزشی
2. 4. صحت طبقه بندی با یادگیری دسته ای
3. 4. طبقه بندی با برچسب های گم شده یا خراب
4. 4 . پویایی یادگیری
5. 4. تداخل فجیع و جبران ناپذیر
5. بحث
1. 5. خلاصه
2. 5. خود سازمان دهنده عصبی عمیق
3. 5. یادگیری مادام العمر نمایش های عمل
6. نتیجه گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
1. Introduction
The robust recognition of other people’s actions represents a crucial component underlying social cognition. Neurophysiological studies have identified a specialized area for the visual coding of articulated motion in the mammalian brain (Perrett, Rolls, & Caan, 1982), comprising neurons selective to biological motion in terms of time-varying patterns of form and motion features with increasing complexity of representation (Giese & Rizzolatti, 2015). The hierarchical organization of the visual cortex has inspired computational models for action recognition from videos, with deep neural network architectures producing state-of-the-art results on a set of benchmark datasets (e.g. Baccouche, Mamalet, Wolf, Garcia, & Baskurt, 2011; Jain, Tompson, LeCun, & Bregler, 2015; Jung, Hwang, & Tani, 2015)
1. مقدمه
تشخیص استوار اعمال افراد، مولفه ای حیاتی می باشد که به عنوان زیربنای شناخت اجتماعی شناخته می شود. مطالعات نوروفیزیولوژیکی یک حوزه تخصصی برای کدگذاری دیداری حرکت مفصلی در مغز پستانداران شناسایی کرده (Perrett، Rolls و Caan، 1982)، که از نورونهای انتخابی برای حرکت بیولوژیکی (زیستی) از لحاظ الگوهای متغیر برحسب زمان ویژگیهای شکل و حرکت با افزایش پیچیدگی نمایش (بازنمایی) تشکیل می شود (Giese و Rizzolatti، 2015). سازمان سلسله مراتبی قشر دیداری، الهام بخش مدلهای محاسباتی برای تشخیص عمل از ویدیوها بوده و معماریهای شبکه عصبی عمیق، برروی مجموعه داده های محک، نتایج پیشرفته ای حاصل می کنند (مثلاً، Baccouche، Mamalet، Wolf، Garcia و Baskurt، 2011؛ Jain، Tompson، LeCun، و Bregler، 2015؛ Jung، Hwang و Tani، 2015).
