Дълбоко обучение
From Wikipedia, the free encyclopedia
Дълбокото обучение (известно още като дълбоко структурирано обучение) е част от по-широко семейство методи за машинно обучение, основано на изкуствени невронни мрежи с учебно представяне. Ученето може да бъде контролирано, полуконтролирано или без надзор[1][2][3].
Тази статия вероятно е резултат от машинен превод, има неверен синтаксис и/или неуточнени специални термини и трудно разбираем текст. Ако желаете да помогнете на Уикипедия, използвайте опцията редактиране в горното меню над статията, за да нанесете нужните корекции. |
Дълбоко обучаващи се архитектури като дълбоки невронни мрежи, дълбоки мрежи за сигурност, графични невронни мрежи, повтарящи се невронни мрежи и конволюционни невронни мрежи са приложени в области, включително компютърно зрение, разпознаване на реч, обработка на естествен език, машинен превод, биоинформатика, дизайн на лекарства, медицински анализ на изображения, проверка на материали и програми за настолни игри, където те са дали резултати, сравними с и в някои случаи надминаващи човешките експертни резултати[4][5][6][7]
Изкуствените невронни мрежи (ANN) са вдъхновени от обработката на информация и разпределените комуникационни възли в биологичните системи. ANN имат различни разлики от биологичните мозъци. По-конкретно, невронните мрежи са склонни да бъдат статични и символични, докато биологичният мозък на повечето живи организми е динамичен (пластичен) и аналогов[8][9][10]
Прилагателното „дълбоко“ в дълбокото обучение се отнася до използването на множество слоеве в мрежата. Ранната работа показа, че линейният персептрон не може да бъде универсален класификатор, но че мрежа с неполиномиална функция за активиране с един скрит слой с неограничена ширина може. Дълбокото обучение е модерен вариант, който се занимава с неограничен брой слоеве с ограничен размер, което позволява практическо приложение и оптимизирано изпълнение, като същевременно запазва теоретичната универсалност при меки условия. При дълбокото учене на слоевете също е позволено да бъдат разнородни и да се отклоняват широко от биологично информирани модели на свързване, в името на ефективността, обучимостта и разбираемостта, откъдето идва и „структурираната“ част.