شبکه عصبی با نظارت (Supervised Neural Network)، در ریاضیات (Mathematics)
انواع شبکه های عصبی (Neural Networks) را در آموزش زیر شرح دادیم :
شبکه عصبی با نظارت (Supervised Neural Network) :
شبکه عصبی با نظارت (Supervised Neural Network) به شبکه هایی گفته می شود که با استفاده از داده های برچسب دار (ورودی و خروجی مطلوب) آموزش می بینند. این رایج ترین نوع شبکه های عصبی در کاربردهای عملی است. هدف یادگیری یک نگاشت از ورودی به خروجی بر اساس نمونه های آموزشی است.
در این شبکه ها، تابع هزینه (مانند میانگین مربعات خطا یا آنتروپی متقاطع) تفاوت بین خروجی شبکه و برچسب واقعی را اندازه گیری می کند. الگوریتم پس انتشار خطا (backpropagation) برای محاسبه گرادیان و به روزرسانی وزن ها به کار می رود. انواع مختلف شبکه های نظارت شده شامل پرسپترون چندلایه (MLP)، شبکه های کانولوشنی (CNN) برای تصاویر، شبکه های بازگشتی (RNN) برای توالی ها، و مبدل ها (Transformer) می باشند.
کاربردها: طبقه بندی، رگرسیون، تشخیص اشیاء، ترجمه ماشینی، تشخیص گفتار و تقریبا هر مسئله یادگیری ماشین که داده های برچسب دار در دسترس باشد.
چالش ها: نیاز به داده های برچسب دار زیاد (که هزینه بر است)، خطر overfitting، وابستگی به کیفیت برچسب ها. تکنیک هایی مانند regularisation، dropout، و افزایش داده (data augmentation) برای بهبود تعمیم به کار می روند.
