Какво е дълбоко обучение
Дълбокото обучение е под-област на машинното обучение и използва невронни мрежи и големи количества данни. Методите на обучение се основават на функционирането на човешкия мозък и водят до способността да правите собствени прогнози или решения.
Така нареченото дълбоко обучение е специален метод за обработка на информация. Дълбокото обучение е под-област на машинното обучение и използва невронни мрежи. Методите за обучение, които използват и анализират големи количества данни, се използват за производство на изкуствен интелект. Начинът, по който работи, е вдъхновен в много области чрез учене в човешкия мозък. Въз основа на съществуващата информация и невронната мрежа системата може многократно да свързва наученото с ново съдържание и по този начин да се учи отново. В резултат на това машината е в състояние да прави прогнози или решения и да ги поставя под въпрос. Решенията се потвърждават или променят при нов опит. По правило хората вече не се намесват в реалния учебен процес.
Дълбокото обучение е особено подходящо за всички приложения, в които са налични големи количества данни, от които могат да се извлекат модели и модели. Изкуствените невронни мрежи, които са многократно свързани по време на учебния процес, служат като техническа основа на дълбокото обучение.
Невронни мрежи - основата за задълбочено обучение
Невронната мрежа е вид изкуствен абстракционен модел на човешкия мозък и се състои от изкуствени неврони. Той има така наречените входни и изходни неврони. Между тях има няколко слоя междинни неврони. Входните неврони могат да бъдат свързани с изходните неврони чрез обучение по различни начини чрез междинните неврони. Колкото повече неврони и слоеве има, толкова по-сложни въпроси могат да бъдат картографирани.
Основната концепция за дълбоко обучение
Дълбокото обучение учи машините да учат. Машината има възможност да подобрява своите възможности независимо и без човешка намеса. Това се постига чрез извличане и класифициране на модели от съществуващи данни и информация. Придобитите знания от своя страна могат да бъдат свързани с данни и свързани в по-нататъшен контекст. И накрая, машината е в състояние да взема решения въз основа на връзките.
Постоянно поставяйки под въпрос решенията, информационните връзки получават определени тежести. Ако решенията бъдат потвърдени, тежестта им се увеличава; ако бъдат преразгледани, тежестта намалява. Все повече и повече нива на междинни слоеве и връзки се създават между входния слой и изходния слой. Броят на междинните слоеве и тяхната връзка определят действителната продукция.
Разграничаване на дълбокото обучение от чисто машинното обучение
Дълбокото обучение е под-област на машинното обучение, но все пак може ясно да се разграничи от чисто машинно обучение. Ключовата разлика е, че при машинното обучение хората се намесват в анализа на данните и действителния процес на вземане на решения. С дълбокото обучение хората само гарантират, че информацията е достъпна за учене и че процесите са документирани. Той оставя реалния анализ и извеждането на прогнози или решения на самата машина. Хората нямат влияние върху резултатите от учебния процес. В ретроспекция вече не е възможно да се проследи напълно точният модел, въз основа на който машината е взела конкретно решение. Освен това решенията постоянно се поставят под въпрос и правилата за вземане на решения се оптимизират независимо.
Области на приложение за дълбоко обучение
Дълбокото обучение е подходящо навсякъде, където могат да се изследват големи количества данни за модели и модели. Поради това дълбокото обучение често се използва в контекста на изкуствения интелект за разпознаване на лица, обекти или реч. Например с разпознаването на реч, благодарение на задълбоченото обучение, е възможно системите да разширят самостоятелно своя речник с нови думи или фрази. Добре известен пример за такъв начин на работа е интелигентният гласов асистент Siri от Apple. Други области на приложение са преводът на устни текстове, усъвършенстван изкуствен интелект в компютърни игри, автономно шофиране или прогнозиране на поведението на клиентите въз основа на данни от CRM система.