Diferența dintre rețeaua neurală și învățarea profundă

diferența cheie între rețeaua neurală și învățarea profundă este asta rețeaua neuronală funcționează similar cu neuronii din creierul uman pentru a efectua mai rapid sarcini de calcul mai mult, în timp ce învățarea profundă este un tip special de învățare a mașinii care imită abordarea de învățare utilizată de oameni pentru a obține cunoștințe.

Rețeaua neurală ajută la crearea unor modele predictive pentru a rezolva probleme complexe. Pe de altă parte, învățarea profundă face parte din învățarea mașinilor. Acesta ajută la dezvoltarea recunoașterii vorbirii, a recunoașterii imaginii, a procesării limbajului natural, a sistemelor de recomandare, a bioinformaticii și multe altele. Rețeaua neurală este o metodă de implementare a învățării profunde.

CUPRINS

1. Prezentare generală și diferență cheie
2. Ce este rețeaua neurală
3. Ce este Deep Learning
4. Comparație comparați între ele - Rețeaua neuronală vs. Învățarea profundă în formă tabulară
5. rezumat

Ce este rețeaua neurală?

Neuronii biologici sunt inspirația pentru rețelele neuronale. Există milioane de neuroni în creierul uman și procesul de informare de la un neuron la altul. Rețelele neuronale utilizează acest scenariu. Ele creează un model de computer similar unui creier. Acesta poate executa sarcini computaționale complexe mai repede decât un sistem obișnuit.

Figura 01: Diagrama blocului de rețele neuronale

Într-o rețea neuronală, nodurile se conectează unul la celălalt. Fiecare conexiune are o greutate. Când intrările către noduri sunt x1, x2, x3, ... și greutățile corespunzătoare sunt w1, w2, w3, ... atunci intrarea netă (y) este,

 y = x1w1 + x2w2 + x3w3 + ... .

După aplicarea intrării nete la funcția de activare, aceasta oferă ieșirea. Funcția de activare poate fi funcția liniară sau sigmoidă.

Y = F (y)

Dacă această ieșire este diferită de ieșirea dorită, greutatea este reglată din nou și acest proces continuu până la obținerea rezultatului dorit. Această greutate de actualizare se realizează conform algoritmului backpropagation.

Există două topologii ale rețelei neuronale numite feedforward și feedback. Rețelele de feed-forward nu au nicio buclă de feedback. Cu alte cuvinte, semnalele curg numai de la intrare la ieșire. Rețelele de feed-forward se împart în continuare pe rețelele neuronale cu un singur strat și pe mai multe straturi.

Tipuri de rețele

În rețelele cu un singur strat, stratul de intrare se conectează la stratul de ieșire. Rețeaua neurală pe mai multe straturi are mai multe straturi între stratul de intrare și stratul de ieșire. Aceste straturi sunt numite straturi ascunse. Celălalt tip de rețea care este rețeaua de feedback are căi de feedback. În plus, există posibilitatea de a transmite informații ambelor părți.

Figura 02: Rețea neurală multistrat

O rețea neurală învață modificând greutățile conexiunii dintre noduri. Există trei tipuri de învățare, cum ar fi învățarea supravegheată, învățarea nesupravegheată și învățarea prin întărire. În învățarea supravegheată, rețeaua va furniza un vector de ieșire în funcție de vectorul de intrare. Acest vector de ieșire este comparat cu vectorul de ieșire dorit. Dacă există o diferență, greutățile se vor modifica. Acest proces continuă până când rezultatul real se potrivește cu ieșirea dorită.

În învățarea nesupravegheată, rețeaua identifică modelele și caracteristicile din datele de intrare și relația pentru datele de intrare de la sine. În această învățare, vectori de intrare de tipuri similare se combină pentru a crea clustere. Când rețeaua primește un nou model de intrare, acesta va da ieșirea specificând clasa la care aparține acel model de intrare. Învățarea de întărire acceptă feedback din mediul înconjurător. Apoi, rețeaua modifică greutățile. Acestea sunt metodele de instruire a unei rețele neuronale. În ansamblu, rețelele neuronale ajută la rezolvarea diferitelor probleme de recunoaștere a modelelor.

Ce este Deep Learning?

Înainte de învățarea profundă, este important să discutăm învățarea mașinilor. Oferă posibilitatea unui computer de a învăța fără a fi programat explicit. Cu alte cuvinte, ajută la crearea algoritmilor de auto-învățare pentru a analiza datele și a recunoaște modelele pentru a lua decizii. Dar, există unele limitări este învățarea generală a mașinilor. În primul rând, este dificil să lucrați cu date dimensionale mari sau cu un set extrem de mare de intrări și ieșiri. S-ar putea să fie, de asemenea, dificil să se facă extracția caracteristicilor.

Învățarea profundă rezolvă aceste probleme. Este un tip special de învățare a mașinilor. Ajută la construirea algoritmilor de învățare care pot funcționa similar cu creierul uman. Rețelele neuronale profunde și rețelele neuronale recurente sunt câteva arhitecturi de învățare profundă. O rețea neurală profundă este o rețea neurală cu mai multe straturi ascunse. Rețelele neuronale recurente utilizează memoria pentru a procesa secvențele de intrări.

Care este diferența dintre rețeaua neurală și învățarea profundă?

O rețea neuronală este un sistem care funcționează similar cu neuronii din creierul uman pentru a efectua rapid mai multe sarcini de calcul. Învățarea profundă este un tip special de învățare a mașinilor care imită abordarea învățării pe care oamenii o folosesc pentru a dobândi cunoștințe. Rețeaua neurală este o metodă de învățare profundă. Pe de altă parte, Deep Leaning este o formă specială de Machine Leaning. Aceasta este diferența principală dintre rețeaua neurală și învățarea profundă

Rezumat - Rețeaua neurală și învățarea profundă

Diferența dintre rețeaua neurală și învățarea profundă constă în faptul că rețeaua neuronală funcționează similar cu neuronii din creierul uman pentru a efectua rapid mai multe sarcini de calcul, în timp ce învățarea profundă este un tip special de învățare a mașinii care imită abordarea de învățare utilizată de oameni pentru a obține cunoștințe.

Referinţă:

1. Ce este învățarea profundă (rețeaua profundă neuronală)? - Definirea de la WhatIs.com. "SearchEnterpriseAI. Disponibil aici 
2. "Învățarea profundă" Wikipedia, Fundația Wikimedia, 30 mai 2018. Disponibil aici  
3.edurekaIN. Ce este învățarea profundă Învățarea profundă simplificată Tutorial de învățare profundă Edureka, Edureka !, 10 mai 2017. Disponibil aici   
4.Tutoriale punct. "Blocuri de construcție a rețelelor neuronale artificiale".  Tutoriale punct, 8 ianuarie 2018. Disponibil aici  

Datorită fotografiei:

1. "Rețea neuronală artificială" - Bine Geetika saini - Lucrare proprie, (CC BY-SA 4.0) prin intermediul Commons Wikimedia  
2.'MultiLayerNeuralNetworkBigger english'By MultiLayerNeuralNetwork_english.png: Lucrări minore: - HELLKNOWZ ▎TALK ▎enWP TALK (CC BY-SA 3.0) prin intermediul Commons Wikimedia