Deep Learning

Semra Erpolat Tasabat; Olgun Aydin

doi:10.4018/978-1-7998-3238-6.ch008

Deep Learning

Abstrakt

Deep learning (DL) is a rising star of machine learning (ML) and artificial intelligence (AI) domains. Until 2006, many researchers had attempted to build deep neural networks (DNN), but most of them failed. In 2006, it was proven that deep neural networks are one of the most crucial inventions for the 21st century. Nowadays, DNN are being used as a key technology for many different domains: self-driven vehicles, smart cities, security, automated machines. In this chapter, brief information about DL theory is given, advantages and disadvantages of deep learning are discussed, most used types of DNN are mentioned, popular DL architectures and frameworks are glanced and aimed to build smart systems for the finance and real estate domains. Finally, a case study about image recognition using transfer learning is developed.

Cytowania

0

CrossRef
0

Web of Science
0

Scopus

Autorzy (2)

Semra Erpolat Tasabat
Olgun Aydin dr

Cytuj jako

Pełna treść

pełna treść publikacji nie jest dostępna w portalu

pełna treść artykułu zobacz w serwisie zewnętrznym otwiera się w nowej karcie

Słowa kluczowe

Informacje szczegółowe

Kategoria:: Publikacja monograficzna
Typ:: rozdział, artykuł w książce - dziele zbiorowym /podręczniku w języku o zasięgu międzynarodowym
Tytuł wydania:: Artificial Neural Network Applications in Business and Engineering strony 171 - 196
Język:: angielski
Rok wydania:: 2021
Opis bibliograficzny:: Erpolat Tasabat S., Aydin O.: Deep Learning// Artificial Neural Network Applications in Business and Engineering/ : , 2021, s.171-196
DOI:: Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.4018/978-1-7998-3238-6.ch008
Weryfikacja:: Politechnika Gdańska