ترجمه فارسی مقاله یادگیری ماشین کلاسیک: هفتاد سال تکامل یادگیری الگوریتمی

چکیده

Machine learning (ML) has transformed numerous fields, but understanding its foundational research is crucial for its continued progress. This paper presents an overview of the significant classical ML algorithms and examines the state-of-the-art publications spanning twelve decades through an extensive bibliometric analysis study. We analyzed a dataset of highly cited papers from prominent ML conferences and journals, employing citation and keyword analyses to uncover critical insights. The study further identifies the most influential papers and authors, reveals the evolving collaborative networks within the ML community, and pinpoints prevailing research themes and emerging focus areas. Additionally, we examine the geographic distribution of highly cited publications, highlighting the leading countries in ML research. This study provides a comprehensive overview of the evolution of traditional learning algorithms and their impacts. It discusses challenges and opportunities for future development, focusing on the Global South. The findings from this paper offer valuable insights for both ML experts and the broader research community, enhancing understanding of the field’s trajectory and its significant influence on recent advances in learning algorithms.

چکیده به فارسی (ترجمه ماشینی)

یادگیری ماشین (ML) زمینه های بی شماری را تغییر داده است ، اما درک تحقیقات بنیادی آن برای ادامه پیشرفت آن بسیار مهم است.در این مقاله یک مرور کلی از الگوریتم های قابل توجه ML کلاسیک ارائه شده است و انتشارات پیشرفته ای را که دوازده دهه از طریق یک مطالعه گسترده تجزیه و تحلیل کتاب مقدس است ، بررسی می کند.ما مجموعه ای از مقالات بسیار استناد شده از کنفرانس ها و ژورنال های برجسته ML ، استفاده از استناد و تجزیه و تحلیل کلمات کلیدی را برای کشف بینش های مهم تجزیه و تحلیل کردیم.این مطالعه بیشتر تأثیرگذارترین مقالات و نویسندگان را مشخص می کند ، شبکه های مشارکتی در حال تحول در جامعه ML را نشان می دهد ، و مضامین تحقیقات غالب و مناطق تمرکز نوظهور را نشان می دهد.علاوه بر این ، ما توزیع جغرافیایی نشریات بسیار استناد شده را بررسی می کنیم ، و کشورهای پیشرو در تحقیقات ML را برجسته می کنیم.این مطالعه یک مرور کلی از تکامل الگوریتم های یادگیری سنتی و تأثیرات آنها را ارائه می دهد.با تمرکز بر روی جنوب جنوبی ، چالش ها و فرصت های توسعه آینده را مورد بحث قرار می دهد.یافته های این مقاله بینش ارزشمندی را برای متخصصان ML و جامعه تحقیقاتی گسترده تر ارائه می دهد ، و باعث افزایش درک مسیر این حوزه و تأثیر چشمگیر آن در پیشرفت های اخیر در الگوریتم های یادگیری می شود.