Kullanım Kılavuzu
Neden sadece 3 sonuç görüntüleyebiliyorum?
Sadece üye olan kurumların ağından bağlandığınız da tüm sonuçları görüntüleyebilirsiniz. Üye olmayan kurumlar için kurum yetkililerinin başvurması durumunda 1 aylık ücretsiz deneme sürümü açmaktayız.
Benim olmayan çok sonuç geliyor?
Birçok kaynakça da atıflar "Soyad, İ" olarak gösterildiği için özellikle Soyad ve isminin baş harfi aynı olan akademisyenlerin atıfları zaman zaman karışabilmektedir. Bu sorun tüm dünyadaki atıf dizinlerinin sıkça karşılaştığı bir sorundur.
Sadece ilgili makaleme yapılan atıfları nasıl görebilirim?
Makalenizin ismini arattıktan sonra detaylar kısmına bastığınız anda seçtiğiniz makaleye yapılan atıfları görebilirsiniz.
  Atıf Sayısı 264
 Görüntüleme 83
 İndirme 18
Derin Öğrenme Yöntemleri Ve Uygulamaları Hakkında Bir İnceleme
2017
Dergi:  
Gazi Mühendislik Bilimleri Dergisi (GMBD)
Yazar:  
Özet:

Makine öğrenmesi alanında yapay sinir ağları birçok problemin çözümünde sıklıkla kullanılmıştır. Ancak ―Yapay Zeka Kış Uykusu‖ olarak da adlandırılan dönemde başta donanımsal kısıtlamalar ve diğer problemler sebebiyle bu alandaki çalışmalar durma noktasına gelmiştir. 2000’lerin başında tekrar gözde bir alan olmaya başlayan yapay sinir ağları, GPU gelişmeleriyle birlikte sığ ağlardan derin ağlara geçiş yapmıştır. Bu yaklaşım görüntü işlemeden, doğal dil işlemeye, medikal uygulamalardan aktivite tanımaya kadar oldukça geniş bir yelpazede başarıyla kullanılmaya başlanmıştır. Bu çalışmada, derin öğrenmenin tarihçesi, kullanılan yöntemler ve uygulama alanlarına göre ayrılmış çalışmalar anlatılmıştır. Ayrıca son yıllarda kullanılan kütüphaneler ve derin öğrenme üzerine yoğunlaşan çalışma grupları hakkında da bilgiler verilmiştir. Bu çalışmanın amacı, hem araştırmacılara derin öğrenme konusundaki gelişmeleri anlatmak, hem de derin öğrenme ile çalışılacak muhtemel konuları vermektir.

Anahtar Kelimeler:

A Review About Deep Learning Methods and Applications
2017
Yazar:  
Özet:

Artificial neural networks were used in the solution of many problems in the field of machine learning. However, in the period called "AI Winter", studies in this area have come to a halt due to especially hardware limitations and other problem. Artificial neural networks, which started to become a popular area at beginning of the 2000s, have switched from shallow networks to deep networks thanks to GPU developments. This approach has been successfully used in a wide range of fields from image processing to natural language processing, from medical applications to activity identification. In this study, it is described the history of the deep learning, methods and the implementations separated by the application areas. In addition, information has been given to the libraries used in recent years and working groups focused on deep learning. The aim of this study both explains the developments in deep learning to researchers and provides possible fields study with deep learning.

Anahtar Kelimeler:

Atıf Yapanlar
Dikkat!
Yayınların atıflarını görmek için Sobiad'a Üye Bir Üniversite Ağından erişim sağlamalısınız. Kurumuzun Sobiad'a üye olması için Kütüphane ve Dokümantasyon Daire Başkanlığı ile iletişim kurabilirsiniz.
Kampüs Dışı Erişim
Eğer Sobiad Abonesi bir kuruma bağlıysanız kurum dışı erişim için Giriş Yap Panelini kullanabilirsiniz. Kurumsal E-Mail adresiniz ile kolayca üye olup giriş yapabilirsiniz.
Benzer Makaleler












Gazi Mühendislik Bilimleri Dergisi (GMBD)

Alan :   Mühendislik

Dergi Türü :   Ulusal

Metrikler
Makale : 306
Atıf : 694
2023 Impact/Etki : 0.094
Gazi Mühendislik Bilimleri Dergisi (GMBD)