Μια ανασκόπηση της βαθιάς μάθησης: θεωρία, μέθοδοι και εφαρμογές ; A review of deep learning: theory, methods & applications

Η παρούσα μεταπτυχιακή εργασία, η οποία τιτλοφορείται "Μια Ανασκόπηση της Βαθιάς Μάθησης: Θεωρία, Μέθοδοι και Εφαρμογές", αποτελεί μια εκτενή βιβλιογραφική ανασκόπηση αναφορικά με την προέλευση και τη διεπιστημονική φύση του εν λόγω πεδίου. Η βαθιά μάθηση αποτελεί μια επαναστατική προσέγγιση μηχανικής μάθησης, που συνιστά μια ειδική κατηγορία τεχνικών μηχανικής μάθησης, κατά την οποία πολλά επίπεδα επεξεργασίας πληροφοριών σε συστήματα ιεραρχικά εποπτευόμενων τεχνικών αξιοποιούνται για τη μη εποπτευόμενη εκμάθηση χαρακτηριστικών, καθώς για ανάλυση προτύπων ή κατηγοριοποίηση. Οι καταβολές και τα κίνητρα της βαθιάς μάθησης εντοπίζονται κυρίως στα τεχνητά νευρωνικά δίκτυα, καθώς και σε άλλους συναφείς επιστημονικούς τομείς, όπως η τεχνητή νοημοσύνη, η γνωσιακή νευροεπιστήμη και η επεξεργασίας σήματος μεταξύ άλλων. Τα τελευταία χρόνια, τα συστήματα που βασίζονται σε τεχνικές και αλγόριθμους βαθιάς μάθησης έχουν γίνει ιδιαιτέρως δημοφιλή τόσο στην ακαδημαϊκή κοινότητα όσο και σε πολλούς κλάδους της βιομηχανίας, λόγω των εξαιρετικών επιδόσεων των μεθόδων αυτών σε πληθώρα προβλημάτων μηχανικής μάθησης. Η παρούσα εργασία διερευνά πως έχουν καθοριστεί οι “βαθιές” θεμελιώδεις ιδέες και πως έχει μετατοπιστεί το ερευνητικό ενδιαφέρον κατά τη διάρκεια του χρόνου. Σε αυτό το πλαίσιο παρουσιάζονται και αναλύονται τα βασικά δομικά στοιχεία για την οικοδόμηση αρχιτεκτονικών βαθιάς μάθησης. ; The presented thesis, entitled “A Review of Deep Learning: Theory, Methods & Applications”, is an extensive literature review of deep learning, with regard to the origins and the interdisciplinary nature of the field. Deep learning is a revolutionary machine learning approach, that constitutes a class of machine learning techniques, where many layers of information processing stages in hierarchical supervised architectures are exploited for unsupervised feature learning and for pattern analysis or classification. The origins and the motivations of deep learning are mainly found in artificial neural networks, as well as in other related ...