سخنرانی کلیدی با عنوان Investigating the chanllenges of deep learning algorithms for sensor-based complex data توسط آقای پروفسور Bekir Karlik در هفتمین کنفرانس بین المللی بازشناسی الگو و پردازش تصویر در بهمن ماه 1403 برگزار شد.
امروزه، بسیاری از مطالعات، استفاده از روشهای یادگیری عمیق را در تحلیل دادههای پیچیده مبتنی بر حسگر پیشنهاد میکنند. اگرچه الگوریتمهای یادگیری عمیق مزایایی مانند توسعه آسان، توانایی ثبت همبستگیهای مکانی و پتانسیل تعمیم بالا دارند، اما معایبی مانند یادگیری کند، دشواری در تنظیم پارامترها، مشکلات برای دادههای ورودی با ابعاد بالا، هزینه محاسباتی و غیره نیز دارند. برخی تحقیقات ادعا میکنند که مدلهای یادگیری ترکیبی بر روی انواع دادههای مبتنی بر حسگر مؤثرتر هستند. این سخنرانی به بررسی چالشهای الگوریتمهای یادگیری عمیق در مقایسه با مدلهای یادگیری ترکیبی بر روی مجموعه دادههای پیچیده مبتنی بر حسگرهای مختلف پرداخت.
