Głęboka nauka

Autor: Eugene Taylor
Data Utworzenia: 10 Sierpień 2021
Data Aktualizacji: 22 Czerwiec 2024
Anonim
Muzyka Do Nauki, Pracy, Koncentracji | Dźwięki Binarealne | Fale Alpha |Stumulacja Mózgu
Wideo: Muzyka Do Nauki, Pracy, Koncentracji | Dźwięki Binarealne | Fale Alpha |Stumulacja Mózgu

Zawartość

Definicja - Co oznacza głębokie uczenie się?

Głębokie uczenie się to zbiór algorytmów wykorzystywanych w uczeniu maszynowym, służących do modelowania abstrakcyjnych danych wysokiego poziomu za pomocą architektur modelowych, które składają się z wielu transformacji nieliniowych. Jest częścią szerokiej rodziny metod uczenia maszynowego opartych na uczeniu się reprezentacji danych.


Wprowadzenie do Microsoft Azure i Microsoft Cloud | W tym przewodniku dowiesz się, na czym polega przetwarzanie w chmurze i jak Microsoft Azure może pomóc w migracji i prowadzeniu firmy z chmury.

Techopedia wyjaśnia Deep Learning

Głębokie uczenie się jest specyficznym podejściem stosowanym do budowy i szkolenia sieci neuronowych, które są uważane za bardzo obiecujące węzły decyzyjne. Algorytm uważa się za głęboki, jeśli dane wejściowe są przepuszczane przez szereg nieliniowości lub transformacji nieliniowych, zanim zostaną przetworzone. Natomiast większość współczesnych algorytmów uczenia maszynowego jest uważana za „płytką”, ponieważ dane wejściowe mogą przejść tylko na kilka poziomów wywołania podprogramu.

Dogłębne uczenie się usuwa ręczną identyfikację funkcji w danych, a zamiast tego polega na jakimkolwiek procesie szkolenia, aby odkryć przydatne wzorce w przykładach wejściowych. To sprawia, że ​​trening sieci neuronowej jest łatwiejszy i szybszy, i może dać lepszy wynik, który posuwa się naprzód w dziedzinie sztucznej inteligencji.