Learning representations by back-propagating errors

خلاصه

مقاله‌ی اصلی که الگوریتم پس‌انتشار خطا را معرفی کرد.

نمای سریع

Rumelhart, Hinton & Williams (1986). Nature, 323, 533-536.

یافته‌های کلیدی

پس‌انتشار خطا می‌تواند وزن‌های شبکه‌ی چندلایه را برای دسته‌بندی پیچیده تنظیم کند.

هدف

ارائه‌ی روش کارا برای محاسبه‌ی گرادیان در شبکه‌های عمیق.

روش

معرفی الگوریتم پس‌انتشار خطا با استفاده از قاعده‌ی زنجیره‌ای برای محاسبه‌ی گرادیان.

نتایج

بازنمایی‌های مفید در لایه‌های میانی شبکه ایجاد شد.

نتیجه‌گیری

پس‌انتشار خطا الگوریتمی بنیادین برای یادگیری ماشین است.

مفاهیم کلیدی

پس‌انتشار خطا، شبکه‌های عصبی، یادگیری عمیق، قاعده‌ی زنجیره‌ای، بهینه‌سازی

مطالعه‌ی بیشتر

https://doi.org/10.1038/323533a0

تحلیل

نقطه‌ی عطف تاریخ هوش مصنوعی.

محدودیت‌ها

نیاز به داده‌ی برچسب‌دار، احتمال گیر افتادن در بهینه‌ی محلی.

کارهای آینده

بهبود همگرایی و تعمیم به معماری‌های پیچیده‌تر.

کاربرد عملی

پایه‌ی ریاضی یادگیری عمیق در هر سه پروژه‌ی کاربر.