Revista internacional de inteligencia de enjambre y computación evolutiva

Abstracto

Importancia del aprendizaje profundo en la minería de datos y el aprendizaje automático

Shorabi P

Los algoritmos de aprendizaje profundo utilizan una enorme cantidad de datos no supervisados ​​para extraer automáticamente representaciones complejas. Estos algoritmos están motivados en gran medida por el sector de la inteligencia artificial (IA), que tiene el objetivo general de emular la capacidad del cerebro humano para observar, analizar, aprender y tomar decisiones, especialmente para problemas extremadamente complejos. El trabajo relacionado con estos desafíos complejos ha sido una motivación clave detrás de los algoritmos de aprendizaje profundo que se esfuerzan por emular el enfoque de aprendizaje jerárquico del cerebro humano. Los modelos respaldados por arquitecturas de aprendizaje superficial como árboles de decisión, máquinas de vectores de soporte y razonamiento basado en casos pueden resultar insuficientes cuando se intenta extraer información útil de estructuras y relaciones complejas en el corpus de entrada. Por el contrario, las arquitecturas de aprendizaje profundo tienen el potencial de generalizar de formas no locales y globales, generando patrones de aprendizaje y relaciones más allá de los vecinos inmediatos dentro de los datos. El aprendizaje profundo es en realidad un paso crucial hacia la IA. No solo proporciona representaciones complejas de datos que son adecuadas para tareas de IA, sino que también hace que las máquinas sean independientes del conocimiento humano, que es el objetivo final de la IA. Extrae representaciones directamente de datos no supervisados ​​sin interferencia humana.