偷偷摘套内射激情视频,久久精品99国产国产精,中文字幕无线乱码人妻,中文在线中文a,性爽19p

所以,機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的區(qū)別是什么?

人工智能 機(jī)器學(xué)習(xí)
深度學(xué)習(xí)是機(jī)器學(xué)習(xí)算法的子類,其特殊性是有更高的復(fù)雜度。因此,深度學(xué)習(xí)屬于機(jī)器學(xué)習(xí),但它們絕對不是相反的概念。我們將淺層學(xué)習(xí)稱為不是深層的那些機(jī)器學(xué)習(xí)技術(shù)。

 深度學(xué)習(xí)是機(jī)器學(xué)習(xí)算法的子類,其特殊性是有更高的復(fù)雜度。因此,深度學(xué)習(xí)屬于機(jī)器學(xué)習(xí),但它們絕對不是相反的概念。我們將淺層學(xué)習(xí)稱為不是深層的那些機(jī)器學(xué)習(xí)技術(shù)。

讓我們開始將它們放到我們的世界中:





???


這種高度復(fù)雜性基于什么?

在實(shí)踐中,深度學(xué)習(xí)由神經(jīng)網(wǎng)絡(luò)中的多個隱藏層組成。我們在《從神經(jīng)元到網(wǎng)絡(luò)》一文中解釋了神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識,然后我們已經(jīng)將深度學(xué)習(xí)介紹為一種特殊的超級網(wǎng)絡(luò):

層數(shù)的增加和網(wǎng)絡(luò)的復(fù)雜性被稱為深度學(xué)習(xí),類似于類固醇(steroids)上的常規(guī)網(wǎng)絡(luò)。

為什么這種復(fù)雜性是一個優(yōu)勢?

知識在各個層間流動。就像人類學(xué)習(xí),一個逐步學(xué)習(xí)的過程。第一層專注于學(xué)習(xí)更具體的概念,而更深的層將使用已經(jīng)學(xué)習(xí)的信息來吸收得出更多抽象的概念。這種構(gòu)造數(shù)據(jù)表示的過程稱為特征提取。

它們的復(fù)雜體系結(jié)構(gòu)為深度神經(jīng)網(wǎng)絡(luò)提供了自動執(zhí)行特征提取的能力。相反,在常規(guī)的機(jī)器學(xué)習(xí)或淺層學(xué)習(xí)中,此任務(wù)是在算法階段之外執(zhí)行的。由人員,數(shù)據(jù)科學(xué)家團(tuán)隊(duì)(而非機(jī)器)負(fù)責(zé)分析原始數(shù)據(jù)并將其更改為有價(jià)值的功能。

???


深度學(xué)習(xí)的根本優(yōu)勢在于,可以在無結(jié)構(gòu)化數(shù)據(jù)上訓(xùn)練這些算法,而無限制地訪問信息。這種強(qiáng)大的條件為他們提供了獲得更多有價(jià)值的學(xué)習(xí)的機(jī)會。

也許現(xiàn)在您在想...

從多少層開始,它被視為深度學(xué)習(xí)?關(guān)于淺層學(xué)習(xí)何時結(jié)束和深度學(xué)習(xí)何時開始尚無統(tǒng)一定義。但是,最一致的共識是,多個隱藏層意味著深度學(xué)習(xí)。換句話說,我們考慮從至少3個非線性轉(zhuǎn)換進(jìn)行深度學(xué)習(xí),即大于2個隱藏層+ 1個輸出層。

除了神經(jīng)網(wǎng)絡(luò)之外,還有其他深度學(xué)習(xí)嗎?

我也無法對此達(dá)成完全共識。然而,似乎有關(guān)深度學(xué)習(xí)的一切至少或間接地與神經(jīng)網(wǎng)絡(luò)有關(guān)。因此,我同意那些斷言沒有神經(jīng)網(wǎng)絡(luò)就不會存在深度學(xué)習(xí)的人的觀點(diǎn)。

我們什么時候需要深度學(xué)習(xí)?

通用逼近定理( Universal Approximation Theorem, UAT)聲明,只有一個有限層神經(jīng)元的隱藏層足以逼近任何尋找的功能。這是一個令人印象深刻的陳述,其原因有兩個:一方面,該定理證明了神經(jīng)網(wǎng)絡(luò)的巨大能力。但是,另一方面,這是否意味著我們永遠(yuǎn)不需要深度學(xué)習(xí)?不,深吸一口氣,并不意味著……

UAT并未指定必須包含多少個神經(jīng)元。盡管單個隱藏層足以為特定功能建模,但通過多個隱藏層網(wǎng)絡(luò)學(xué)習(xí)它可能會更加有效。此外,在訓(xùn)練網(wǎng)絡(luò)時,我們正在尋找一種功能,可以最好地概括數(shù)據(jù)中的關(guān)系。即使單個隱藏網(wǎng)絡(luò)能夠表示最適合訓(xùn)練示例的功能,這也不意味著它可以更好地概括訓(xùn)練集中數(shù)據(jù)的行為。

Ia Goodfellow,Yahua Bengio,Aaron Courville的《深度學(xué)習(xí)》一書對此進(jìn)行了很好的解釋:

總而言之,具有單層的前饋網(wǎng)絡(luò)足以表示任何功能,但是該層可能過大而無法正確學(xué)習(xí)和概括。在許多情況下,使用更深入的模型可以減少表示功能所需的單元數(shù),并可以減少泛化誤差。

總結(jié)

深度學(xué)習(xí)基本上是機(jī)器學(xué)習(xí)的子類,它是使用多個隱藏層的神經(jīng)網(wǎng)絡(luò)。它們的復(fù)雜性允許這種類型的算法自行執(zhí)行特征提取。由于它們能夠處理原始數(shù)據(jù),因此可以訪問所有信息,因此有可能找到更好的解決方案。

責(zé)任編輯:華軒 來源: Python與算法社區(qū)
相關(guān)推薦

2017-03-01 21:15:44

AI機(jī)器學(xué)習(xí)深度學(xué)習(xí)

2022-03-25 10:35:20

機(jī)器學(xué)習(xí)深度學(xué)習(xí)強(qiáng)化學(xué)習(xí)

2022-03-28 13:14:19

機(jī)器學(xué)習(xí)深度學(xué)習(xí)

2021-02-25 10:07:42

人工智能AI機(jī)器學(xué)習(xí)

2021-03-01 11:39:34

機(jī)器學(xué)習(xí)深度學(xué)習(xí)人工智能

2021-01-29 15:10:32

機(jī)器學(xué)習(xí)

2021-12-01 22:55:45

人工智能機(jī)器學(xué)習(xí)深度學(xué)習(xí)

2021-02-26 10:02:13

人工智能深度學(xué)習(xí)機(jī)器學(xué)習(xí)

2022-11-15 10:03:34

2023-10-23 11:07:37

HTTPRPC

2017-12-04 14:32:36

深度學(xué)習(xí)機(jī)器學(xué)習(xí)

2023-04-19 10:17:35

機(jī)器學(xué)習(xí)深度學(xué)習(xí)

2021-09-01 09:19:03

人工智能機(jī)器學(xué)習(xí)數(shù)據(jù)分析

2022-08-11 15:35:52

人工智能機(jī)器學(xué)習(xí)深度學(xué)習(xí)

2025-02-06 08:44:11

MySQLEXISTSIN

2024-12-30 07:20:00

Redis數(shù)據(jù)庫MySQL

2016-03-21 10:40:53

RDDSpark SQL數(shù)據(jù)集

2016-09-01 14:47:56

人工智能機(jī)器學(xué)習(xí)深度學(xué)習(xí)

2020-11-03 14:31:55

Ai人工智能深度學(xué)習(xí)

2015-02-26 10:29:41

Google百度
點(diǎn)贊
收藏

51CTO技術(shù)棧公眾號