Derin Öğrenme Araştırma Alanlarının Literatür Taraması

Abstract

Derin öğrenme (Deep Learning-DL), birçok alanda önemli başarılar elde etmiş güçlü bir makine öğrenmesi yöntemidir. Özellikle son on yılda, bilgisayarlı görü, nesne tanıma, konuşma tanıma, doğal dil işleme gibi birçok araştırma alanında başarılı sonuçlar elde ederek, yapay zekanın derin uykudan uyanmasına yol açmıştır. Günümüzde, çeşitli alanlardaki birçok araştırmacı, DL yöntemlerini kullanarak alanlarında en iyi sonucu almaya çalışmaktadır. Bu tarama çalışmasında, DL modelleri ve DL ile çalışılabilecek önemli araştırma konuları hakkında bilgiler vererek araştırmacılara rehberlik etmeyi hedefliyoruz. Çalışmada Özerk Araçlar (Autonomous Vehicles), Doğal Dil İşleme (Natural Language Processing), El Yazısı Karakter Tanıma (Handwritten Character Recognition), İmza Doğrulama (Signature Verification), Ses ve Video Tanıma (Voice and Video Recognition), Tıbbi Görüntü İşleme (Medical İmage Processing), Büyük Veri (Big Data) gibi dünyanın en popüler ve en zorlu alanlarında yapılan DL çalışmalarını inceliyoruz. Ayrıca, araştırmacılara yardımcı olmak için, incelediğimiz bu alanlardaki DL ile çalışılabilecek, henüz çalışılmamış veya yeterince iyi sonuçlar elde edilememiş problemlere dikkat çekerek olası araştırma konularını listeliyoruz. Bu çalışmanın nihai amacı, DL ile çalışmak isteyen araştırmacılara umut vadeden yeni konuları gösterebilmek ve, araştırmacıların ihtiyaçlarına uyan en iyi DL modelini seçebilmeleri için modeller hakkında bilinçli kararlar vermelerine yardımcı olmaktır.