Різниця між нейронною мережею та глибоким навчанням
Share
The ключова різниця між нейронною мережею та глибоким навчанням нейронна мережа працює аналогічно нейронам у мозку людини для швидшого виконання різних обчислювальних завдань, тоді як глибоке навчання - це особливий тип машинного навчання, який імітує навчальний підхід, який люди використовують для отримання знань.
Нейронна мережа допомагає будувати прогнозні моделі для вирішення складних проблем. З іншого боку, глибоке навчання є частиною машинного навчання. Це допомагає розвивати розпізнавання мовлення, розпізнавання зображень, природну обробку мови, рекомендаційні системи, біоінформатику та багато іншого. Нейронна мережа - це метод реалізації глибокого навчання.
ЗМІСТ
1. Огляд та ключові відмінності
2. Що таке нейромережа
3. Що таке глибоке навчання
4. Поруч порівняння - Нейронна мережа проти глибокого навчання в табличній формі
5. Підсумок
Що таке нейромережа?
Біологічні нейрони є натхненником нейронних мереж. У мозку людини є мільйони нейронів та інформаційний процес від одного нейрона до іншого. Нейронні мережі використовують цей сценарій. Вони створюють комп'ютерну модель, схожу на мозок. Він може виконувати обчислювальні складні завдання швидше, ніж звичайна система.
Рисунок 01: Блок-схема нейронної мережі
У нейромережі вузли з'єднуються один з одним. Кожне з'єднання має вагу. Коли входи до вузлів x1, x2, x3, ... і відповідні ваги w1, w2, w3, ..., тоді чистий вхід (y) дорівнює,
y = x1w1 + x2w2 + x3w3 +… .
Після застосування чистого входу до функції активації він дає вихід. Функція активації може бути лінійною або сигмоподібною функцією.
Y = F (y)
Якщо цей вихід відрізняється від бажаного виходу, вага знову регулюється і цей процес триває до отримання бажаного виходу. Ця вага оновлення відбувається відповідно до алгоритму зворотного розповсюдження.
Існує дві топології нейронної мережі під назвою feedforward та feedback. Мережі подачі не мають циклу зворотного зв'язку. Іншими словами, сигнали надходять тільки від входу до виходу. Надані мережі далі поділяються на одношарові та багатошарові нейронні мережі.
Типи мереж
В одношарових мережах вхідний шар підключається до вихідного рівня. Багатошарова нейронна мережа має більше шарів між вхідним і вихідним шаром. Ці шари називаються прихованими шарами. Інший тип мережі, який є мережами зворотного зв’язку, має шляхи зворотного зв'язку. Більше того, є можливість передавати інформацію обом сторонам.
Малюнок 02: Багатошарова нейромережа
Нейронна мережа вчиться, змінюючи ваги зв'язку між вузлами. Існує три типи навчання, такі як контрольоване навчання, непідконтрольне навчання та посилене навчання. При контрольованому навчанні мережа надаватиме вихідний вектор відповідно до вхідного вектора. Цей вихідний вектор порівнюється з потрібним вихідним вектором. Якщо є різниця, ваги зміняться. Ці процеси тривають, поки фактичний вихід не збігається з бажаним результатом.
При непідконтрольному навчанні мережа сама визначає закономірності та особливості вхідних даних та співвідношення для вхідних даних. У цьому навчанні вхідні вектори подібних типів об'єднуються для створення кластерів. Коли мережа отримає новий шаблон введення, вона видасть вихід із зазначенням класу, до якого належить цей шаблон введення. Навчання підкріплення приймає певні відгуки з навколишнього середовища. Потім мережа змінює ваги. Це методи тренування нейронної мережі. Загалом нейронні мережі допомагають вирішувати різні проблеми розпізнавання шаблонів.
Що таке глибоке навчання?
Перед глибоким навчанням важливо обговорити машинне навчання. Це дає можливість комп'ютеру вчитися без явно запрограмованих програм. Іншими словами, це допомагає створити алгоритми самонавчання для аналізу даних та розпізнавання шаблонів для прийняття рішень. Але, є деякі обмеження, це загальне машинне навчання. По-перше, важко працювати з великомірними даними або надзвичайно великим набором входів і виходів. Можливо, також буде важко зробити витяг функції.
Глибоке навчання вирішує ці питання. Це особливий тип машинного навчання. Це допомагає будувати алгоритми навчання, які можуть функціонувати аналогічно людському мозку. Глибокі нейронні мережі та періодичні нейронні мережі є деякими архітектурами глибокого навчання. Глибока нейронна мережа - це нейронна мережа з декількома прихованими шарами. Повторні нейронні мережі використовують пам'ять для обробки послідовностей входів.
Яка різниця між нейронною мережею та глибоким навчанням?
Нейронна мережа - це система, яка працює аналогічно нейронам в мозку людини, щоб швидше виконувати різні обчислювальні завдання. Глибоке навчання - це особливий тип машинного навчання, який імітує навчальний підхід, який люди використовують для отримання знань. Нейронна мережа - це метод глибокого навчання. З іншого боку, глибоке нахилення - це особлива форма машинного нахилу. Це головна відмінність нейронної мережі від глибокого навчання
Підсумок - Нейронна мережа проти глибокого навчання
Різниця між нейронною мережею і глибоким навчанням полягає в тому, що нейронна мережа працює аналогічно нейронам в мозку людини, щоб швидше виконувати різні обчислювальні завдання, тоді як глибоке навчання - це особливий тип машинного навчання, який імітує навчальний підхід, який люди використовують для отримання знань.
Довідка:
1. «Що таке глибоке навчання (глибока нейронна мережа)? - Визначення з WhatIs.com. " ПошукEnterpriseAI. Доступний тут
2. "Глибоке навчання". Вікіпедія, Фонд Вікімедіа, 30 травня 2018 року. Доступний тут
3.edurekaIN. Що таке глибоке навчання | Спрощене глибоке навчання | Підручник з глибокого навчання | Edureka, Edureka !, 10 травня 2017. Доступно тут
4. Навчальний бал. "Блоки штучної нейронної мережі". Підручник Точка, 8 січня 2018. Доступно тут
Надано зображення:
1. 'Штучна нейронна мережа' від Geetika saini - Власна робота, (CC BY-SA 4.0) через Commons Wikimedia
2.'MultiLayerNeuralNetworkBigger english'By MultiLayerNeuralNetwork_english.png: Chrislbderivative work: - HELLKNOWZ ▎TALK ▎enWP TALK (CC BY-SA 3.0) через Commons Wikimedia
