Advances in Machine Learning/Deep Learning-based Technologies: Selected Papers in Honour of Professor Nikolaos G. Bourbakis – Vol. 2 (Learning and Analytics in Intelligent Systems, 23)

از آنجایی که انقلاب صنعتی چهارم در حال تغییر ساختار سازمان‌های اجتماعی انسانی به اصطلاح «جامعه 5.0»، حوزه یادگیری ماشینی (و زیر شاخه آن است. Deep Learning) و فن‌آوری‌های مرتبط به طور مداوم و سریع در حال رشد است و هم به خودی خود و هم به سمت کاربرد در بسیاری از رشته‌های دیگر توسعه می‌یابد. هدف محققان در سرتاسر جهان، گنجاندن توانایی‌های شناختی در ماشین‌ها، مانند یادگیری و حل مسئله است. هنگامی که ماشین‌ها و سیستم‌های نرم‌افزاری با اجزای یادگیری ماشین/آموزش عمیق بهبود یافته‌اند، در انجام وظایف خاص بهتر و کارآمدتر می‌شوند. در نتیجه، یادگیری ماشینی/یادگیری عمیق به دلیل سرعت رشد جهانی آن هم در پیشرفت‌های نظری و هم در زمینه‌های کاربردی، به عنوان یک رشته تحقیقاتی متمایز می‌شود، در حالی که به نرخ‌های بسیار بالایی از موفقیت دست می‌یابد و تأثیر عمده‌ای در علم، فناوری و جامعه دارد.

هدف کتاب حاضر این است که خوانندگان خود را با برخی از مهم‌ترین پیشرفت‌ها در یادگیری ماشین/تکنولوژی‌های مبتنی بر یادگیری عمیق آشنا کند. این کتاب شامل یک یادداشت ویراستاری و ده (10) فصل اضافی است که همگی از نویسندگانی دعوت شده اند که روی موضوع فصل مربوطه کار می کنند و به دلیل مشارکت های تحقیقاتی قابل توجه آنها شناخته شده اند. با جزئیات بیشتر، فصول کتاب در پنج بخش سازماندهی شده است، یعنی (i) یادگیری ماشینی/یادگیری عمیق در معاشرت و سرگرمی، (ii) یادگیری ماشینی/یادگیری عمیق در آموزش< /i>، (iii) یادگیری ماشین/یادگیری عمیق در امنیت، (iv) یادگیری ماشینی/یادگیری عمیق در پیش بینی سری های زمانی، و (v) ماشین یادگیری در کدگذاری ویدیویی و استخراج اطلاعات.

این کتاب تحقیقاتی برای اساتید، محققان، دانشمندان، مهندسان و دانشجویان در ماشین طراحی شده است. یادگیری/رشته های مرتبط با یادگیری عمیق. همچنین برای خوانندگانی که از رشته‌های دیگر می‌آیند و علاقه‌مند به آشنایی با برخی از جدیدترین فناوری‌های مبتنی بر یادگیری ماشین/آموزش عمیق هستند، استفاده می‌شود. فهرست گسترده ای از منابع کتابشناختی در پایان هر فصل خوانندگان را راهنمایی می کند تا در زمینه های کاربردی مورد علاقه خود بیشتر تحقیق کنند.

As the 4th Industrial Revolution is restructuring human societal organization into, so-called, “Society 5.0”, the field of Machine Learning (and its sub-field of Deep Learning) and related technologies is growing continuously and rapidly, developing in both itself and towards applications in many other disciplines. Researchers worldwide aim at incorporating cognitive abilities into machines, such as learning and problem solving. When machines and software systems have been enhanced with Machine Learning/Deep Learning components, they become better and more efficient at performing specific tasks. Consequently, Machine Learning/Deep Learning stands out as a research discipline due to its worldwide pace of growth in both theoretical advances and areas of application, while achieving very high rates of success and promising major impact in science, technology and society.

The book at hand aims at exposing its readers to some of the most significant Advances in Machine Learning/Deep Learning-based Technologies. The book consists of an editorial note and an additional ten (10) chapters, all invited from authors who work on the corresponding chapter theme and are recognized for their significant research contributions. In more detail, the chapters in the book are organized into five parts, namely (i) Machine Learning/Deep Learning in Socializing and Entertainment, (ii) Machine Learning/Deep Learning in Education, (iii) Machine Learning/Deep Learning in Security, (iv) Machine Learning/Deep Learning in Time Series Forecasting, and (v) Machine Learning in Video Coding and Information Extraction.

This research book is directed towards professors, researchers, scientists, engineers and students in Machine Learning/Deep Learning-related disciplines. It is also directed towards readers who come from other disciplines and are interested in becoming versed in some of the most recent Machine Learning/Deep Learning-based technologies. An extensive list of bibliographic references at the end of each chapter guides the readers to probe further into the application areas of interest to them.