Cuprins:

Ce sunt algoritmii de învățare profundă?
Ce sunt algoritmii de învățare profundă?

Video: Ce sunt algoritmii de învățare profundă?

Video: Ce sunt algoritmii de învățare profundă?
Video: Top Deep Learning Algorithms You Should Know About | Deep Learning Algorithms Explained |Simplilearn 2024, Noiembrie
Anonim

Invatare profunda este o clasă de algoritmi de învățare automată care utilizează mai multe straturi pentru a extrage progresiv caracteristici de nivel superior din intrarea brută. De exemplu, în procesarea imaginilor, straturile inferioare pot identifica marginile, în timp ce straturile superioare pot identifica conceptele relevante pentru un om, cum ar fi cifrele, literele sau fețele.

În mod similar, vă puteți întreba, care sunt algoritmii de învățare profundă?

Cei mai populari algoritmi de deep learning sunt:

  • Rețeaua neuronală convoluțională (CNN)
  • Rețele neuronale recurente (RNN)
  • Rețele de memorie pe termen lung (LSTM)
  • Codificatoare automate stivuite.
  • Mașină Boltzmann adâncă (DBM)
  • Rețele de credință profundă (DBN)

Ulterior, întrebarea este cum scrieți un algoritm de învățare profundă? 6 pași pentru a scrie orice algoritm de învățare automată de la zero: studiu de caz Perceptron

  1. Obțineți o înțelegere de bază a algoritmului.
  2. Găsiți câteva surse diferite de învățare.
  3. Împărțiți algoritmul în bucăți.
  4. Începeți cu un exemplu simplu.
  5. Validați cu o implementare de încredere.
  6. Scrie-ți procesul.

Pur și simplu, ce sunt exemplele de învățare profundă?

Exemple de Invatare profunda la locul de muncă Conducerea automată: cercetătorii auto folosesc invatare profunda pentru a detecta automat obiecte precum semne de oprire și semafoare. În plus, invatare profunda este folosit pentru a detecta pietonii, ceea ce ajută la reducerea accidentelor.

Ce este CNN în deep learning?

În invatare profunda , un convoluțional Retea neurala ( CNN , sau ConvNet) este o clasă de rețele neuronale profunde , cel mai frecvent aplicat la analiza imaginilor vizuale.

Recomandat: