close
آخرین مطالب
  • تبلیغ شما در اینجا
  • طراحی سایت شخصی
  • طراحی سایت فروشگاهی
  • طراحی سیستم وبلاگدهی
  • سیستم سایت ساز اسلام بلاگ
  • مگا برد - پلتفرم خرید اینترنتی قطعات موبایل مگابرد
  • تحلیل و نمودار سازی فرم های پلاگین گرویتی وردپرس
  • اولین تولید کننده پلاگین های مارکتینگ و سئو کاملا ایرانی
  • اولین پلاگین دیجیتال مارکتینگ وردپرسی
  • loading...
    YourAds Here YourAds Here

    ذهن برتر

    بازدید : 105
    چهارشنبه 13 اسفند 1399 زمان : 10:13

    رنسانس هوش مصنوعی (AI) در بخار کامل و سرعت جمع شدن است. یکی از اهرم های اصلی حرکت ، بینایی رایانه ای است ، علمی میان رشته ای که شامل هوش مصنوعی ، فیزیک ، علوم اعصاب ، زیست شناسی ، آمار ، تئوری یادگیری ، مهندسی ، آمار ، رباتیک و ریاضیات است. بینش بیولوژیکی از بینش ماشین یادگیری ماشین هوش مصنوعی الهام گرفته است پیش بینی می شود اندازه بازار جهانی چشم انداز رایانه تا سال 2027 به 19.1 میلیارد دلار برسد که بر اساس گزارش Grand View Research در سپتامبر 2020 ، با CAGR 7.6 درصد در طول سال های 2020-2027 رشد خواهد کرد. بینایی رایانه ای فناوری توانمندی است که توسط هوش مصنوعی در پشت وسایل نقلیه مستقل ، تجزیه و تحلیل ورزشی ، رادیولوژی ، تشخیص پزشکی ، پیش بینی عملکرد کشاورزی ، نگهداری تولید ، پیشگیری از خسارت خرده فروشی ، نظارت امنیتی ، جلوگیری از تقلب و موارد دیگر مورد استفاده قرار می گیرد. با این وجود تاریخچه بینایی رایانه نسبتاً جدید است و ریشه در قلمرو بیولوژیکی قاطع دارد. در سال 1959 ، متخصصان مغز و اعصاب ، دیوید هوبل و تورستن ویزل مقاله برجسته خود را با عنوان "زمینه های پذیرنده نورونهای منفرد در قشر مخطط گربه" در مجله فیزیولوژی منتشر کردند. نوروفیزیولوژی شاخه ای از علوم اعصاب و فیزیولوژی است که مطالعه علمی مغز و سیستم عصبی محیطی است. با مطالعه بینایی در گربه ها ، هوبل و ویزل دریافتند که سلول های عصبی در قشر بینایی آرایش مشخصی دارند. آرایش زمینه های پذیرایی جهت ، شکل و اندازه محرک ها را تعیین می کند و ممکن است در درک حرکت نقش داشته باشد. در سال 1968 همین دو تحقیق تحقیقاتی را در زمینه های پذیرای و معماری عملکردی قشر مخطط میمون ها منتشر کرد که نشان داد بیشتر سلول ها را می توان به صورت ساده یا پیچیده طبقه بندی کرد. سلولهای ساده در قشر بینایی اولیه عمدتا به لبه ها و میله های جهت دار جهت خاص پاسخ می دهند. سلولهای پیچیده دارای یک میدان پذیرایی هستند که ورودی سلولهای ساده را ادغام و جمع می کند ، مفهومی بنیادی برای مدل های شبکه های عصبی کانولوشن برای دید کامپیوتر هوبل و ویزل از جمله دریافت کنندگان جایزه نوبل فیزیولوژی یا پزشکی در سال 1981 بودند. متأثر از کارهای هوبل و ویزل ، در سال 1980 دانشمندان کامپیوتر ژاپنی Kunihiko Fukushima در Biber Cybernetics مفهوم یک مدل شبکه عصبی خودسازمانده را به عنوان مکانیزمی برای شناسایی الگوی بصری به نام Neocognitron منتشر کردند. با استفاده از ریاضیات ، فوكوشیما مفهوم سلولهای ساده و پیچیده را برای ایجاد یك مدل محاسباتی برای بینایی رایانه بازآفرینی كرد. هنگامی که شبکه Neocognitron خود سازماندهی را کامل می کند ، معماری آن شبیه مدل سلسله مراتبی سیستم عصبی بینایی هوبل و ویزل است. Neocognitron الگوهای محرک را بر اساس شباهت هندسی یا گشتالت از اشکال آنها تشخیص می دهد. در زبان آلمانی ، gestalt تقریباً به یک کل واحد ترجمه می شود. در دهه 1920 روانشناسان آلمانی ماکس ورتهایمر ، کورت کوفکا و ولفگانگ کوهلر روانشناسی گشتالت را بنیان نهادند تا ادراک را با مفهوم اساسی توضیح دهند که کل از مجموع قطعات بیشتر است. مقاله پس از تبلیغات ادامه می یابد در سال 1998 ، محققان یان لکون ، لئون بوتو ، یوشوا بنگیو و پاتریک هافنر با دستیابی به موفقیت پیشرفتی که در مجموعه مقالات IEEE با عنوان "یادگیری مبتنی بر گرادیان برای شناسایی اسناد" اعمال شده و اثربخشی استفاده از شبکه های عصبی همگرا را نشان می دهد ، تاریخچه هوش مصنوعی را ثبت کردند. (CNN) برای شناسایی شخصیت دست خط. محققان نشان دادند که استفاده از یادگیری مبتنی بر شیب به شبکه های عصبی کانولوشن یادگیری ویژگی های مربوط به داده های آموزش را امکان پذیر می کند. LeCun ، Bengio و همکاران در مطالعه خود نوشتند: "شبکه های عصبی Convolutional نشان داده اند که نیاز به استخراج کننده های ویژگی های دست ساز را برطرف می کنند." نشان داده شده است که شبکه های ترانسفورماتور نمودار ، نیاز به اکتشافات دست ساز ، کتابچه راهنما را کاهش می دهد برچسب گذاری و تنظیم دستی پارامترها در سیستم های شناسایی اسناد. با فراوانی داده های آموزش ، با سرعت بیشتر رایانه ها ، با درک ما از الگوریتم های یادگیری ، سیستم های تشخیص بیشتر به یادگیری اعتماد می کنند و عملکرد آنها بهبود می یابد. در سال 2012 ، پیشگامان هوش مصنوعی الکس کریژفسکی ، ایلیا ساتسکور و جفری هینتون مقاله پیشگامانه خود را با عنوان "طبقه بندی ImageNet با شبکه های عصبی عمیق انحرافی" در کنفرانس NeurIPS ارائه دادند که طبقه بندی رایانه ای رکوردشکن 1.2 میلیون تصویر با وضوح بالا را نشان می دهد. طبق گزارش Emergen Research در سپتامبر 2020 ، پیش بینی شده است که تا سال 2027 ، اندازه بازار جهانی فقط برای شبکه های عصبی عمیق به 5.98 میلیارد دلار برسد که با CAGR 21.4 درصد در طی سالهای 2020-2027 رشد خواهد کرد. بازیگران برجسته در شبکه های عصبی عمیق شامل Google ، IBM ، Microsoft ، Qualcomm ، Intel ، Oracle ، Clarifai ، Neurala ، NeuralWare ، Starmind و Ward Systems ، در همین گزارش هستند. آنچه که بعنوان یک کشف بنیادی بیش از شصت سال پیش در یک تحقیق تحقیقاتی با گربه ها آغاز شد ، پایه و اساس آن را تشکیل داده است.

    چگونه شادی خود را زندگی کنیم
    نظرات این مطلب

    تعداد صفحات : -1

    درباره ما
    اطلاعات کاربری
    نام کاربری :
    رمز عبور :
  • فراموشی رمز عبور؟
  • آرشیو
    خبر نامه


    معرفی وبلاگ به یک دوست


    ایمیل شما :

    ایمیل دوست شما :



    چت باکس




    captcha


    پیوندهای روزانه
    آمار سایت
  • کل مطالب : 60
  • کل نظرات : 0
  • افراد آنلاین : 1
  • تعداد اعضا : 0
  • بازدید امروز : 4
  • بازدید کننده امروز : 5
  • باردید دیروز : 4
  • بازدید کننده دیروز : 5
  • گوگل امروز : 0
  • گوگل دیروز : 0
  • بازدید هفته : 161
  • بازدید ماه : 660
  • بازدید سال : 1568
  • بازدید کلی : 21183
  • کدهای اختصاصی