فناوری اطلاعات امروزه باعث تولید کامپیوترهای قدرتمند بسیاری شده است که امکان جمع‌آوری، انتقال، ترکیب و ذخیره حجم زیادی از داده‌ها را با هزینه کم، عملی ساخته است. افزایش حجم پایگاه داده‌ها، سازمان‌ها را به سمت استخراج اطلاعات از داده‌های ذخیره شده رهنمون می‌سازد. اما داده‌های موجود در پایگاه ‌داده به تنهایی نمی‌توانند همانند گنجینه‌ای ارزشمند جهت استخراج اطلاعات نهفته مورد استفاده قرار گیرند.

در بسیاری از موارد انسان‌ها نیز قادر به تشخیص و استخراج اطلاعات نهفته در حجم عظیمی از داده‌ها نمی‌باشند، بنابراین نیازمند یاری گرفتن از الگوریتم‌های یادگیری از پایگاه داده هستند. لذا در این پایان‌نامه تعدادی از مهم‌ترین و پرکاربردترین روش‌های یادگیری عمیق نظیر شبکه‌های عصبی پیچشی، خود رمزگذارها، شبکه باور عمیق، شبکه‌های عصبی عمیق و بازگشتی ارائه می‌گردند و با بررسی مزایا و معایب هریک از آن‌ها و مقایسه الگوریتم‌های یادگیری با یکدیگر، راهکارهایی جهت انتخاب بهینه‌ترین روش‌ جهت پردازش داده و استخراج اطلاعات، متناسب با پایگاه داده ارائه شده است.

روش پیشنهادی این تحقیق، اولین روش یادگیری عمیق جهت دست‌یابی به بهترین نتایج در چهار حوزه قطعه‌بندی و تفسیر تصاویر پیچیده، پردازش سیگنال‌های صوتی، تجزیه متون و تحلیل سیگنال‌های دریافتی توسط سیستم رادار 6 آنتنی است.