AMEA İnformasiya Texnologiyaları İnstitutunun 1 saylı şöbəsinin “Big data analitikada Deep Learning yanaşması” mövzusuna həsr olunmuş növbəti elmi seminarı keçirildi.
İnstitutun böyük elmi işçisi Aybəniz Əliyeva məruzəni təqdim edərək Big data analitikanın problemləri, Deep learning, onun arxitekturaları, Big data analitikada Deep learning-in tətbiq sahələri haqqında məlumat verdi. Bildirdi ki, Big Data böyük verilənlərin analizi üçün həcm, müxtəliflik və sürət kimi problemləri üç veriləndə cəmləşdirir: “Big data analitikanın problemlərini böyük həcmdə verilənlərdən gizli nümunələrin çıxarılması, informasiyanın sürətli axtarışı, verilənlərin indeksləşdirilməsi, həmçinin diskriminativ məsələlərin sadələşdirilməsi kimi xülasə etmək olar”.
Məruzəçinin sözlərinə görə, paralel və paylanmış verilənlərin emalı, yüksək ölçülülük və verilənlərin azaldılması, heterogen verilənlərin inteqrasiyası, verilənlərin mənşəyinin izlənməsi və analizi, həmçinin real vaxt rejimində analizinin izlənməsi və qərarların qəbulu Big Data analitikada əsas problem sahələrinə çevrilib.
A.Əliyeva ənənəvi təlim metodlarından fərqli olaraq dərin təlimin klassifikasiya üçün dərin arxitekturalarda avtomatik olaraq iyerarxik təsvirləri öyrənmək üçün nəzarət olunan strategiyaları istifadə edən maşın təlimi metodlarına aid olduğunu qeyd etdi. Bildirdi ki, hazırda dərin təlim təsvirlərin tanınması və maşın təlimi sferasında ən fəal tədqiqat sahələrindən biridir və o, kompüter görməsi, nitqin və səsin emalı, təbii dilin emalı, tibb, astronomiya və s. kimi sahələrdə geniş tətbiq olunur.
“Dərin təlim alqoritmləri ardıcıl layların dərin arxitekturası olaraq qəbul edilir ki, burada çıxışının təqdim edilməsini təmin etmək üçün hər bir təbəqənin girişinə qeyri-xətti çevrilmə tətbiq edilir”, - deyən məruzəçi dərin modellər qurmaq üçün fundamental bloklar kimi istifadə olunan avtomatik kodlayıcılar və məhdud Bolsman maşınları kimi iki nəzarətsiz təlim alqoritmlərinin mövcud olduğunu bildirdi.
Məruzəçi dərin inam şəbəkələri (Deep Belief Network, DBN) adlı Deep Learning arxitekturası haqqında danışdı, DBN-nin verilənlərin metkalarını istifadə etmədən təlim verilənlərinin birgə ehtimal paylanmasını öyrənən ehtimal generativ model olduğunu qeyd etdi: “DBN əlamətlər detektorları kimi istifadə edilən təsadüfi, gizli dəyişənlərin çoxlu sayda laylarından ibarətdir. İki üst lay arasındakı əlaqələr simmetrik və istiqamətləndirilməmiş əlaqələrdir və assosiativ yaddaşı formalaşdırır.”
A.Əliyeva obyektlərin tanınması üçün təklif olunmuş modellər, nitq və audio emalı və nişanlama, informasiya axtarışı, təbii dilin emalı kimi Deep learning-in Big Data analitikada tətbiqi sahələri barədə də ətraflı məlumat verdi.
Məruzə ətrafında müzakirələr aparıldı, suallar cavablandırıldı. Şöbə müdiri, institutun baş mühəndisi, texnika üzrə fəlsəfə doktoru, dosent Məkrufə Hacırəhimova bu sahədə tədqiqatların davam etdirilməsini tövsiyə etdi.
© Bütün hüquqlar qorunur. Xəbərlərdən istifadə edərkən www.iсt.az saytına istinad zəruridir.
