شبکه عصبی بدون معلم (Unsupervised Neural Network)، در ریاضیات (Mathematics)

انواع شبکه های عصبی (Neural Networks) را در آموزش زیر شرح دادیم :

شبکه عصبی بدون معلم (Unsupervised Neural Network) :

شبکه عصبی بدون معلم (Unsupervised Neural Network) به هر شبکه ای اطلاق می شود که بدون استفاده از برچسب های هدف، صرفا با ساختار درونی داده ها آموزش می بیند. هدف اصلی کشف الگوها، خوشه ها، کاهش ابعاد، یا یادگیری بازنمایی فشرده از داده ها است. این شبکه ها نقش مهمی در یادگیری عمیق بدون نظارت و پیش آموزش دارند.

انواع مهم شبکه های بدون معلم:

خودرمزگذارها (Autoencoders) و انواع آن (VAE، Sparse، Denoising).

شبکه های هاپفیلد و ماشین های بولتزمن.

نقشه های خودسازمان ده (SOM) و بردار کوانتیزه کننده یادگیر (LVQ).

شبکه های مولد متخاصم (GAN) که می توانند به صورت بدون نظارت (بدون برچسب) یاد بگیرند.

شبکه های عصبی برای کاهش ابعاد (مانند t-SNE با شبکه های عصبی).

یادگیری بدون معلم می تواند به عنوان پیش پردازش برای یادگیری نظارت شده (با استفاده از بازنمایی های یادگرفته شده) یا به عنوان هدف اصلی (خوشه بندی) به کار رود. امروزه، خودرمزگذارهای تغییرپذیر (VAE) و GANها محبوب ترین شبکه های بدون معلم برای تولید داده و یادگیری بازنمایی هستند.

کاربردها: کشف ساختار داده، کاهش ابعاد، تجسم داده ها، تشخیص ناهنجاری، مدل سازی زایشی.