Дар тӯли солҳо, омӯзиши амиқ дар технология сарлавҳаҳои сарлавҳаро ишғол мекунад. Ва фаҳмидани он ки чаро ин осон аст.
Ин шохаи зеҳни сунъӣ бахшҳоро аз соҳаи тандурустӣ то бонкдорӣ то нақлиёт табдил медиҳад ва ба пешрафтҳои қаблан тасаввурнашаванда имкон медиҳад.
Омӯзиши амиқ бар маҷмӯи алгоритмҳои мураккабе сохта шудааст, ки аз ҳаҷми азими маълумот истихроҷ ва пешгӯии намунаҳои мураккабро меомӯзанд.
Мо дар ин мақола беҳтарин 15 алгоритми омӯзиши амиқро дида мебароем, аз шабакаҳои нейронҳои конволютсионӣ то шабакаҳои генеративии рақобат то шабакаҳои хотираи кӯтоҳмуддат.
Ин паём фаҳмиши муҳимро дар бораи он, ки оё шумо а шурӯъкунандагон ё коршиноси омӯзиши амиқ.
1. Шабакаҳои трансформаторӣ
Шабакаҳои трансформаторӣ табдил ёфтанд биниши компютерӣ ва барномаҳои коркарди забони табиӣ (NLP). Онҳо маълумоти воридшударо таҳлил мекунанд ва равандҳои таваҷҷӯҳро барои ба даст овардани муносибатҳои дарозмуддат истифода мебаранд. Ин онҳоро нисбат ба моделҳои анъанавии пайдарпай ба пайдарпай тезтар мекунад.
Шабакаҳои трансформаторӣ бори аввал дар нашрияи "Диққат ба шумо танҳо лозим аст" аз ҷониби Васвани ва дигарон тавсиф карда шудаанд.
Онҳо аз рамзгузор ва декодер иборатанд (2017). Модели трансформатор корҳоро дар барномаҳои гуногуни NLP, аз ҷумла нишон додааст таҳлили таҳлил, гурӯҳбандии матн ва тарҷумаи мошин.
Моделҳои ба трансформатор асосёфтаро инчунин дар биниши компютерӣ барои барномаҳо истифода бурдан мумкин аст. Онҳо метавонанд шинохти объект ва сарлавҳаи тасвирро иҷро кунанд.
2. Шабакаҳои хотираи кӯтоҳмуддат (LSTMs)
Шабакаҳои хотираи кӯтоҳмуддат (LSTMs) як шакли шабакаи нейралӣ махсусан барои коркарди вуруди пайдарпай сохта шудааст. Онҳоро "кӯтоҳмуддати дарозмуддат" меноманд, зеро онҳо метавонанд дониши солҳои пешро ба ёд оранд ва инчунин маълумоти нолозимро фаромӯш кунанд.
LSTMҳо тавассути баъзе "дарвозаҳо" амал мекунанд, ки ҷараёни иттилоотро дар дохили шабака танзим мекунанд. Вобаста аз он, ки оё иттилоот муҳим арзёбӣ мешавад ё не, ин дарвозаҳо метавонанд онро ворид кунанд ё пешгирӣ кунанд.
Ин техника ба LSTM имкон медиҳад, ки маълумотро аз қадамҳои замони гузашта ба ёд оранд ё фаромӯш кунанд, ки барои вазифаҳо ба монанди шинохти нутқ, коркарди забони табиӣ ва пешгӯии силсилаи вақт муҳим аст.
LSTMҳо дар ҳама ҳолат хеле муфиданд, ки шумо маълумоти пайдарпайе доред, ки бояд арзёбӣ ё пешгӯӣ карда шаванд. Онҳо аксар вақт дар нармафзори шинохтани овоз барои табдил додани калимаҳои гуфтугӯ ба матн ё дар бозор таҳлил барои пешгӯии нархҳои оянда дар асоси маълумоти қаблӣ.
3. Харитаҳои худташкилкунанда (SOMs)
СОМҳо як навъ сунъӣ мебошанд шабакаи нейронӣ, ки омӯхта метавонад ва маълумоти мураккабро дар муҳити паст-ченака муаррифӣ мекунанд. Ин усул тавассути табдил додани маълумоти вурудии баландандоза ба шабакаи дученака амал мекунад, ки ҳар як воҳид ё нейрон қисми дигари фазои вурудро намояндагӣ мекунанд.
Нейронҳо бо ҳам пайвастанд ва сохтори топологиро эҷод мекунанд, ки ба онҳо имкон медиҳад, ки маълумоти воридшударо омӯзанд ва мутобиқ кунанд. Ҳамин тавр, SOM ба омӯзиши беназорат асос ёфтааст.
Алгоритм лозим нест маълумоти номбаршуда ибрат гирифтан аз. Ба ҷои ин, он хусусиятҳои омории маълумоти воридшударо барои кашф кардани намунаҳо ва таносуби байни тағирёбандаҳо истифода мебарад.
Дар марҳилаи омӯзиш, нейронҳо барои беҳтарин нишондиҳандаи маълумоти воридотӣ рақобат мекунанд. Ва, онҳо худ ба сохтори пурмазмун ташкил мешаванд. SOMҳо доираи васеи барномаҳо доранд, аз ҷумла шинохти тасвир ва сухан, истихроҷи маълумот ва шинохти намуна.
Онҳо барои визуализатсияи маълумоти мураккаб, гурӯҳбандии нуқтаҳои марбут ба додаҳо, ва ошкор кардани ғайримуқаррарӣ ё берунӣ.
4. Омӯзиши амиқи таҳким
Deep Омӯзиши таҳким як навъ омӯзиши мошинист, ки дар он агент барои қабули қарорҳо дар асоси системаи мукофот омӯзонида мешавад. Он тавассути иҷозат додан ба агент кор мекунад, ки бо атрофаш муошират кунад ва тавассути озмоиш ва хатогӣ омӯхта шавад.
Агент барои ҳар як амали худ мукофот мегирад ва ҳадафи он омӯхтани он аст, ки чӣ гуна беҳтар кардани манфиатҳои он бо мурури замон. Ин метавонад барои таълим додани агентҳо барои бозӣ кардан, рондани мошинҳо ва ҳатто идоракунии роботҳо истифода шавад.
Q-Learning як усули маъруфи омӯзиши амиқ аст. Он тавассути арзёбии арзиши иҷрои як амали муайян дар ҳолати мушаххас ва навсозии он баҳодиҳӣ ҳангоми ҳамкории агент бо муҳити зист амал мекунад.
Пас агент ин ҳисобҳоро истифода мебарад, то муайян кунад, ки кадом амал эҳтимолан ба мукофоти калонтарин оварда мерасонад. Q-Learning барои таълим додани агентҳо барои бозӣ кардани бозиҳои Atari ва инчунин беҳтар кардани истифодаи энергия дар марказҳои додаҳо истифода шудааст.
Deep Q-Networks боз як усули машҳури омӯзиши амиқ (DQN) мебошад. DQNҳо ба Q-Learning монанданд, зеро онҳо арзиши амалро бо истифода аз шабакаи амиқи нейронӣ ҳисоб мекунанд, на ҷадвал.
Ин ба онҳо имкон медиҳад, ки бо танзимоти азим ва мураккаб бо амалҳои сершумори алтернативӣ мубориза баранд. DQN-ҳо барои омӯзонидани агентҳо барои бозӣ ба монанди Go ва Dota 2 ва инчунин барои сохтани роботҳое истифода мешуданд, ки роҳ рафтанро ёд гиранд.
5. Шабакаҳои нейронҳои такрорӣ (RNNs)
RNNҳо як навъ шабакаи нейронӣ мебошанд, ки метавонанд ҳангоми нигоҳ доштани ҳолати дохилӣ маълумоти пайдарпайро коркард кунанд. Онро ба шахсе монанд кунед, ки китоб мехонад, ки дар он ҳар як калима нисбат ба калимаҳои пеш аз он ҳазм карда мешавад.
Аз ин рӯ, RNNҳо барои вазифаҳое ба мисли шинохти нутқ, тарҷумаи забон ва ҳатто пешгӯии калимаи навбатӣ дар як ибора беҳтаринанд.
RNNҳо бо истифода аз ҳалқаҳои бозгашт кор мекунанд, то баромади ҳар як қадами вақтро ба вуруди қадами оянда пайваст кунанд. Ин ба шабака имкон медиҳад, ки маълумоти қадами қаблии вақтро истифода барад, то пешгӯиҳои худро барои қадамҳои ояндаи вақт огоҳ созад. Мутаассифона, ин инчунин маънои онро дорад, ки RNN-ҳо ба масъалаи нопадидшавии градиент осебпазиранд, ки дар он градиентҳои барои омӯзиш истифодашаванда хеле ночиз мешаванд ва шабака барои омӯхтани муносибатҳои дарозмуддат мубориза мебарад.
Сарфи назар аз ин маҳдудияти намоён, RNN-ҳо дар доираи васеи барномаҳо истифода шуданд. Ин барномаҳо коркарди забони табиӣ, шинохти нутқ ва ҳатто истеҳсоли мусиқиро дар бар мегиранд.
Гугл тарҷумон, масалан, системаи RNN-ро барои тарҷума дар байни забонҳо истифода мебарад, дар ҳоле ки Siri, ёвари виртуалӣ системаи RNN-ро барои муайян кардани овоз истифода мебарад. RNNs инчунин барои пешгӯии нархҳои саҳмияҳо ва эҷоди матн ва графикаи воқеӣ истифода шудаанд.
6. Шабакаҳои капсулӣ
Шабакаҳои капсула як намуди нави тарҳрезии шабакаи нейронӣ мебошад, ки метавонад намунаҳо ва таносуби маълумотро самараноктар муайян кунад. Онҳо нейронҳоро ба "капсулаҳо" ташкил медиҳанд, ки ҷанбаҳои муайяни вурудро рамзгузорӣ мекунанд.
Бо ин роҳ онҳо метавонанд пешгӯиҳои дақиқтар кунанд. Шабакаҳои капсула бо истифода аз қабатҳои сершумори капсулаҳо хосиятҳои тадриҷан мураккабро аз маълумоти воридотӣ истихроҷ мекунанд.
Техникаи Шабакаҳои Capsule ба онҳо имкон медиҳад, ки муаррифии иерархивии вуруди додашударо омӯзанд. Онҳо метавонанд тавассути муошират байни капсулаҳо робитаҳои фазоии байни ҷузъҳои дохили расмро рамзгузорӣ кунанд.
Муайянкунии объект, сегментатсияи тасвирҳо ва коркарди забони табиӣ ҳама барномаҳои Шабакаҳои Capsule мебошанд.
Шабакаҳои капсула дорои потенсиали кор кардан мебошанд рондани автономӣ технология. Онҳо ба система дар шинохтан ва фарқ кардани ашё, аз қабили мошинҳо, одамон ва аломатҳои ҳаракат кӯмак мекунанд. Ин системаҳо метавонанд тавассути пешгӯии дақиқтар дар бораи рафтори объектҳо дар муҳити онҳо аз бархӯрд пешгирӣ кунанд.
7. Автокодерҳои вариантӣ (VAEs)
VAE як шакли воситаи омӯзиши амиқ аст, ки барои омӯзиши беназорат истифода мешавад. Бо рамзгузории маълумот ба фазои андозаи камтар ва пас аз рамзкушоӣ ба формати аслӣ, онҳо метавонанд пайдо кардани намунаҳоро дар додаҳо омӯзанд.
Онҳо мисли ҷодугаре ҳастанд, ки метавонад харгӯшро ба кулоҳ табдил диҳад ва сипас ба харгӯш баргардад! VAE барои тавлиди визуалӣ ё мусиқии воқеӣ муфид аст. Ва, онҳо метавонанд барои тавлиди маълумоти нав, ки бо маълумоти аслӣ муқоисашавандаанд, истифода шаванд.
VAEҳо ба рамзбандии махфӣ монанданд. Онҳо метавонанд асли онро кашф кунанд сохтори маълумот бо тақсим кардани он ба битҳои соддатар, ба монанди он ки чӣ гуна муаммо шикаста мешавад. Онҳо метавонанд ин маълумотро барои сохтани маълумоти нав истифода баранд, ки пас аз ҷудо кардани қисмҳо ба асл монанданд.
Ин метавонад барои фишурдани файлҳои азим ё тавлиди графика ё мусиқии нав дар сабки муайян муфид бошад. VAE инчунин метавонанд мундариҷаи тоза, ба монанди ҳикояҳои ахбор ё матни мусиқӣ эҷод кунанд.
8. Шабакаҳои генеративии душманӣ (GANs)
GANs (Шабакаҳои тавлидкунандаи рақобат) як шакли системаи омӯзиши амиқ мебошанд, ки маълумоти наверо тавлид мекунанд, ки ба асл монанданд. Онҳо тавассути омӯзиши ду шабака фаъолият мекунанд: генератор ва шабакаи дискриминатор.
Генератор маълумоти наверо тавлид мекунад, ки бо аслиаш муқоисашаванда аст.
Ва, дискриминатор кӯшиш мекунад, ки байни маълумоти аслӣ ва сохташуда фарқ кунад. Ин ду шабака дар тандем омӯзонида мешаванд, ки генератор кӯшиш мекунад, ки табъизро фиреб диҳад ва дискриминатор барои дуруст муайян кардани маълумоти аслӣ кӯшиш кунад.
GAN-ро ҳамчун салиб байни қалбакӣ ва детектив ҳисоб кунед. Генератор ба мисли сохтакор кор карда, асари наверо тавлид мекунад, ки ба асли худ монанд аст.
Дискриминатор ҳамчун детектив амал карда, кӯшиш мекунад, ки байни санъати ҳақиқӣ ва қалбакӣ фарқ кунад. Ин ду шабака дар як тандем омӯзонида мешаванд, ки генератор дар сохтани қалбакӣ ва дискриминатор дар шинохти онҳо беҳтар мешавад.
GANҳо якчанд истифода доранд, аз истеҳсоли тасвирҳои воқеии одамон ё ҳайвонот то эҷоди мусиқӣ ё навиштани нав. Онҳо инчунин метавонанд барои афзоиши додаҳо истифода шаванд, ки омезиши додаҳои истеҳсолшударо бо маълумоти воқеӣ барои сохтани маҷмӯи маълумоти калонтар барои омӯзиши моделҳои омӯзиши мошинҳо дар бар мегирад.
9. Шабакаҳои Deep Q-Networks (DQNs)
Шабакаҳои Deep Q-Networks (DQNs) як навъ алгоритми таҳкими омӯзиши қабули қарорҳо мебошанд. Онҳо тавассути омӯзиши Q-функсия амал мекунанд, ки мукофоти пешбинишударо барои иҷрои амали муайян дар шароити мушаххас пешгӯӣ мекунад.
Функсияи Q-бо роҳи озмоиш ва хатогӣ, бо алгоритми кӯшиши амалҳои гуногун ва омӯхтани натиҷаҳо таълим дода мешавад.
Онро мисли а видео хислати озмоиш бо амалҳои гуногун ва кашф кардани кадоме аз онҳо ба муваффақият оварда мерасонад! DQNҳо функсияи Q-ро бо истифода аз шабакаи амиқи нейрон таълим медиҳанд, ки онҳоро барои вазифаҳои душвори қабули қарорҳо асбобҳои муассир месозад.
Онҳо ҳатто қаҳрамонони инсониро дар бозиҳо, аз қабили Go ва шоҳмот, инчунин дар робототехника ва мошинҳои худгардон мағлуб карданд. Ҳамин тавр, дар маҷмӯъ, DQNҳо тавассути омӯхтани таҷриба кор мекунанд, то малакаҳои қабули қарорҳоро бо мурури замон такмил диҳанд.
10. Шабакаҳои Функсияи Радиалӣ (RBFNs)
Шабакаҳои Функсияи Радиалӣ (RBFNs) як навъ шабакаи нейронӣ мебошанд, ки барои наздик кардани функсияҳо ва иҷрои вазифаҳои таснифот истифода мешаванд. Онҳо тавассути табдил додани маълумоти воридотӣ ба фазои баландтаре бо истифода аз маҷмӯи функсияҳои асоси радиалӣ амал мекунанд.
Натиҷаи шабака омезиши хаттии функсияҳои асосист ва ҳар як функсияи радиалӣ нуқтаи марказӣ дар фазои вурудро ифода мекунад.
RBFN махсусан барои ҳолатҳое, ки бо ҳамкории мураккаби вуруду баромад самараноканд ва онҳо метавонанд бо истифода аз доираи васеи усулҳо, аз ҷумла омӯзиши назоратшаванда ва беназорат таълим дода шаванд. Онҳо барои ҳама чиз аз пешгӯиҳои молиявӣ то тасвир ва шинохти сухан то ташхиси тиббӣ истифода мешуданд.
RBFN-ро ҳамчун як системаи GPS баррасӣ кунед, ки як қатор нуқтаҳои лангарро барои ёфтани роҳи худ дар релефи душвор истифода мебарад. Натиҷаи шабака маҷмӯи нуқтаҳои лангар мебошад, ки барои функсияҳои радиалӣ мувофиқанд.
Мо метавонем маълумоти мураккабро аз назар гузаронем ва бо истифода аз RBFN пешгӯиҳои дақиқро дар бораи чӣ гуна рӯй додани сенария тавлид кунем.
11. Дарккунандаи бисёрқабата (MLPs)
Шакли маъмулии шабакаи нейронӣ бо номи бисёрқабатаи персептрон (MLP) барои вазифаҳои омӯзишии назоратшаванда ба монанди тасниф ва регрессия истифода мешавад. Онҳо тавассути ҷамъ кардани якчанд қабатҳои гиреҳҳои алоқаманд ё нейронҳо кор мекунанд, ки ҳар як қабат маълумоти воридшударо ғайрихаттӣ иваз мекунад.
Дар MLP, ҳар як нейрон аз нейронҳои қабати поёнӣ ворид мешавад ва ба нейронҳои қабати боло сигнал мефиристад. Натиҷаи ҳар як нейрон бо истифода аз функсияи фаъолсозӣ муайян карда мешавад, ки ба шабака ғайрихаттӣ медиҳад.
Онҳо қодиранд муаррифии мураккаби маълумоти воридшударо омӯзанд, зеро онҳо метавонанд якчанд қабатҳои пинҳон дошта бошанд.
MLP-ҳо барои вазифаҳои гуногун, аз қабили таҳлили эҳсосот, ошкор кардани қаллобӣ ва шинохти овоз ва тасвир истифода шудаанд. MLP-ро ба як гурӯҳи муфаттишон муқоиса кардан мумкин аст, ки барои шикастани парвандаи душвор якҷоя кор мекунанд.
Якҷоя, онҳо метавонанд далелҳоро ҷамъ оваранд ва ҷиноятро кушоянд, сарфи назар аз он ки ҳар як соҳаи мушаххаси ихтисос дорад.
12. Шабакаҳои нейронҳои конволютсионӣ (CNNs)
Тасвирҳо ва видеоҳо бо истифода аз шабакаҳои конволютсионӣ нейронӣ (CNNs), як шакли шабакаи нейронӣ коркард карда мешаванд. Онҳо тавассути истифодаи маҷмӯи филтрҳои омӯхташаванда ё ядроҳо барои истихроҷи хусусиятҳои муҳим аз маълумоти воридотӣ амал мекунанд.
Филтрҳо дар болои тасвири воридшуда ҳаракат карда, конволютсияҳоро барои сохтани харитаи хусусият, ки ҷанбаҳои муҳими тасвирро сабт мекунанд, иҷро мекунанд.
Азбаски CNN қодиранд муаррифии иерархивии хусусиятҳои тасвирро омӯзанд, онҳо махсусан барои ҳолатҳое, ки миқдори зиёди маълумоти визуалӣ доранд, муфиданд. Якчанд барномаҳо аз онҳо истифода кардаанд, ба монанди ошкоркунии объект, гурӯҳбандии тасвирҳо ва муайянкунии чеҳра.
CNN-ро ҳамчун рассоме баррасӣ кунед, ки барои эҷод кардани шоҳасар якчанд хасро истифода мебарад. Ҳар як хасу як ядро аст ва рассом метавонад бо омехта кардани ядроҳои зиёд тасвири мураккаб ва воқеӣ созад. Мо метавонем аз аксҳо хусусиятҳои назаррасро ба даст орем ва онҳоро барои пешгӯии дақиқи мундариҷаи тасвир тавассути CNN истифода барем.
13. Шабакаҳои Deep Belief (DBNs)
DBNҳо як шакли шабакаи нейронӣ мебошанд, ки барои вазифаҳои таълимии беназорат ба монанди кам кардани андоза ва омӯзиши хусусиятҳо истифода мешаванд. Онҳо тавассути stacking якчанд қабатҳои мошинҳои маҳдудшудаи Болтзман (RBMs), ки шабакаҳои нейрониҳои дуқабата мебошанд, метавонанд барои омӯхтани барқарорсозии маълумоти воридотӣ кор кунанд.
DBN барои масъалаҳои баландандозаи додаҳо хеле муфид аст, зеро онҳо метавонанд муаррифии паймон ва муассири вурудро омӯзанд. Онҳо барои ҳама чиз аз шинохти овоз то гурӯҳбандии тасвирҳо то кашфи маводи мухаддир истифода мешуданд.
Масалан, муҳаққиқон як DBN-ро барои ҳисоб кардани наздикии номзадҳои дору ба ретсептори эстроген истифода бурданд. DBN дар бораи маҷмӯи хусусиятҳои кимиёвӣ ва алоқамандии ҳатмӣ омӯзонида шуд ва он қодир буд, ки наздикии ҳатмии номзадҳои нави маводи мухаддирро дақиқ пешгӯӣ кунад.
Ин истифодаи DBN-ро дар таҳияи маводи мухаддир ва дигар замимаҳои додаҳои баландандоза таъкид мекунад.
14. Автокодерҳо
Автокодерҳо шабакаҳои нейронӣ мебошанд, ки барои вазифаҳои таълимии беназорат истифода мешаванд. Онҳо ният доранд, ки маълумоти воридшударо аз нав созанд, ки ин маънои онро дорад, ки онҳо рамзгузории иттилоотро ба як намоиши паймон ёд мегиранд ва сипас онро дубора ба вуруди аслӣ рамзкушоӣ мекунанд.
Автокодерҳо барои фишурдани маълумот, бартараф кардани садо ва ошкор кардани аномалия хеле самаранок мебошанд. Онҳоро инчунин барои омӯзиши хусусиятҳо истифода бурдан мумкин аст, ки дар он намояндагии паймонҳои автоматӣ ба вазифаи омӯзишии назоратшаванда ворид карда мешавад.
Автокодерҳоро донишҷӯёне ҳисоб кунед, ки дар синф қайд мекунанд. Донишҷӯ лекцияро мешунавад ва нуктаҳои муҳимтаринро ба таври мухтасар ва муассир қайд мекунад.
Баъдтар донишҷӯ метавонад бо истифода аз қайдҳои худ дарсро омӯзад ва дар хотир нигоҳ дорад. Автокодер, аз тарафи дигар, маълумоти воридшударо ба як намоиши паймон рамзгузорӣ мекунад, ки баъдан метавонанд барои мақсадҳои гуногун, ба монанди ошкор кардани аномалия ё фишурдани маълумот истифода шаванд.
15. Мошинҳои маҳдудшудаи Boltzmann (RBMs)
RBMs (маҳдудшудаи Boltzmann Machines) як навъ шабакаи генеративии нейрон мебошанд, ки барои вазифаҳои омӯзишии беназорат истифода мешаванд. Онҳо аз як қабати намоён ва як қабати пинҳон иборатанд, ки дар ҳар як қабат нейронҳо мавҷуданд, ки ба ҳам пайвастанд, аммо на дар дохили як қабат.
RBMs бо истифода аз усуле омӯзонида мешавад, ки бо номи дивергенсияи контрастӣ маълум аст, ки тағир додани вазнҳоро байни қабатҳои намоён ва пинҳонӣ бо мақсади оптимизатсия кардани эҳтимолияти маълумоти омӯзишӣ талаб мекунад. RBM-ҳо метавонанд пас аз омӯзиш тавассути интихоб аз тақсимоти омӯхташуда маълумоти нав эҷод кунанд.
Шинохти тасвир ва сухан, филтркунии муштарак ва ошкоркунии аномалия ҳама барномаҳое мебошанд, ки RBM-ро истифода кардаанд. Онҳо инчунин дар системаҳои тавсиявӣ барои эҷоди тавсияҳои мувофиқ тавассути омӯхтани намунаҳои рафтори корбарон истифода шудаанд.
RBMs инчунин дар омӯзиши хусусиятҳо барои эҷоди намояндагии паймон ва самараноки додаҳои баландандоза истифода шудааст.
Ҷамъбаст ва пешрафтҳои умедбахш дар уфуқ
Усулҳои омӯзиши амиқ, ба монанди Шабакаҳои Нейралии Конволютсионӣ (CNNs) ва Шабакаҳои Нейралии Рекуррентӣ (RNNs) аз зумраи равишҳои пешрафтаи зеҳни сунъӣ мебошанд. CNNҳо шинохти тасвир ва аудиоро тағир доданд, дар ҳоле ки RNNҳо дар коркарди забони табиӣ ва таҳлили пайдарпайи додаҳо ба таври назаррас пешрафт кардаанд.
Қадами навбатӣ дар таҳаввулоти ин равишҳо эҳтимолан ба баланд бардоштани самаранокӣ ва миқёспазирии онҳо тамаркуз карда, ба онҳо имкон медиҳад, ки маҷмӯаҳои додаҳои калонтар ва мураккабтарро таҳлил кунанд, инчунин тавзеҳот ва қобилияти омӯхтани онҳо аз маълумоти камтар нишон дода шаванд.
Омӯзиши амиқ имкон дорад, ки ҳангоми пешрафт дар соҳаҳо, аз қабили тандурустӣ, молия ва системаҳои мустақил имкон диҳад.
Дин ва мазҳаб