یادگیری عمیق
Deep learning
دستهبندی: شناخت
تعریف
یادگیری عمیق زیرمجموعهای از یادگیری ماشین است که از شبکههای عصبی مصنوعی با لایههای متعدد برای شبیهسازی فرآیندهای پیچیده یادگیری استفاده میکند. این روش به سیستمها امکان میدهد الگوهای پیچیده در دادهها را شناسایی و استخراج نمایند. در روانشناسی محاسباتی، از این مفهوم برای مدلسازی نحوه پردازش اطلاعات در مغز انسان بهره گرفته میشود.
مترادفها و نامهای دیگر
- Deep learning
- deep learning
در بانکها
مقالات
- ANALISIS PEMBELAJARAN MENDALAM BERBASIS TARL DALAM MEWUJUDKAN PEMBELAJARAN BERMAKNA DI SEKOLAH DASAR
- ANALISIS PEMBELAJARAN PAI BERBASIS DEEP LEARNING DALAM PERSPEKTIF MODEL QAIT ROBERT E. SLAVIN DI SMP
- ANALISIS PROSES PEMBELAJARAN MENDALAM DENGAN MODEL PROBLEM BASED LEARNING PADA MATERI SISTEM PENCERNAAN MANUSIA DI KELAS V SD NEGERI BULAKAN 02
- Are Baseline Learning Approaches Associated with Cognitive Load, and Do They Moderate the Cognitive Effects of Contextual Vertical Integration? A Prespecified Secondary Analysis of the CONVINCED-OG Trial
- Deep learning based optimization of personalized psychological counseling strategies
- Deep learning-oriented problem-based learning to foster critical thinking in civic education in primary schools
- KURIKULUM MERDEKA PEMBELAJARAN MENDALAM DAN DIFERENSIENSI PENDIDIKAN AGAMA ISLAM (PAI)
- Long-term engagement-oriented short video recommendation via deep reinforcement learning
- Pengembangan Buku Saku Interaktif Berbasis Problem Based Learning Berbantuan Augmented Reality pada Materi Sistem Pencernaan Manusia untuk Meningkatkan Kemampuan Berpikir Kritis Siswa
- Pengembangan Media PowerPoint Interaktif Berbasis Learning Cycle 5E untuk Mengurangi Miskonsepsi pada Materi Transpor Membran
- SYNERGY-VAE: An explainable generative deep learning framework for discovering depression subgroups from multimodal population health data
- Storybooks and Wordwalls in Problem Based Learning to Improve Critical Thinking and Environmental Awareness
- Unleashing the potential of pre-trained language model in multi-dimensional writing assessment: towards more robust and explainable scoring