الطبقة[1] في نموذج التعلم العميق هي بنية أو طوبولوجيا شبكة في بنية النموذج، والتي تأخذ المعلومات من الطبقات السابقة ثم تمررها إلى الطبقة التالية.
أنواع الطبقات
النوع الأول من الطبقات هو الطبقة الكثيفة (Dense layer)[2]، وتسمى أيضًا الطبقة المتصلة بالكامل (fully-connected layer)[3][4][5][6] وتستخدم للتمثيلات المجردة لمعطيات الإدخال. في هذه الطبقة، تتصل الخلايا العصبية بكل خلية عصبية في الطبقة السابقة. تُكدس هذه الطبقات في شبكات بيرسيبترون متعددة الطبقات.
تُستخدم الطبقة الترشيحية[7] أو طبقة الطي (Convolutional layer)[8] عادةً لمهام تحليل الصور. في هذه الطبقة، تكتشف الشبكة الحواف والأنسجة والأنماط. يتم بعد ذلك تغذية مخرجات هذه الطبقة إلى طبقة متصلة بالكامل لمزيد من المعالجة. أنظر أيضا: نموذج سي إن إن .
تُستخدم طبقة التجميع[9] (Pooling layer)[10][11] لتقليل حجم المُدخلات.
تُستخدم الطبقة المتكررة أو الطبقة التكرارية[12] (Recurrent Layer) لمعالجة النص باستخدام وظيفة الذاكرة. على غرار الطبقة الترشيحية، عادةً ما تُغذى مخرجات الطبقات المتكررة إلى طبقة متصلة بالكامل لمزيد من المعالجة. أنظر أيضا: نموذج الشبكات العصبية المتكررة.[13][14][15]
تقوم طبقة التسوية (Normalization layer) بضبط بيانات الإخراج من الطبقات السابقة لتحقيق توزيع منتظم. ويؤدي هذا إلى تحسين قابلية التوسع والتدريب النموذجي.
^"CS231n Convolutional Neural Networks for Visual Recognition". CS231n Convolutional Neural Networks for Visual Recognition. 10 مايو 2016. مؤرشف من الأصل في 2023-11-21. اطلع عليه بتاريخ 2021-04-27. Fully-connected layer: Neurons in a fully connected layer have full connections to all activations in the previous layer, as seen in regular Neural Networks.
^"Fully connected layer". MATLAB. 1 مارس 2021. مؤرشف من الأصل في 2023-02-12. اطلع عليه بتاريخ 2021-04-27. A fully connected layer multiplies the input by a weight matrix and then adds a bias vector.
^Habibi، Aghdam, Hamed (30 مايو 2017). Guide to convolutional neural networks : a practical application to traffic-sign detection and classification. Heravi, Elnaz Jahani. Cham, Switzerland. ISBN:9783319575490. OCLC:987790957.{{استشهاد بكتاب}}: صيانة الاستشهاد: أسماء متعددة: قائمة المؤلفين (link) صيانة الاستشهاد: مكان بدون ناشر (link)