Innholdsfortegnelse:

Hva er dyplæringsalgoritmer?
Hva er dyplæringsalgoritmer?

Video: Hva er dyplæringsalgoritmer?

Video: Hva er dyplæringsalgoritmer?
Video: ЕЖЕНЕДЕЛЬНЫЕ СТРАННЫЕ НОВОСТИ - НЛО - Паранормальные явления - Космос - Странная наука 2024, Kan
Anonim

Dyp læring er en klasse av maskinlæringsalgoritmer som bruker flere lag for å gradvis trekke ut funksjoner på høyere nivå fra råinndataene. For eksempel, i bildebehandling, kan lavere lag identifisere kanter, mens høyere lag kan identifisere konseptene som er relevante for et menneske, for eksempel sifre eller bokstaver eller ansikter.

På samme måte kan du spørre, hva er algoritmene for dyp læring?

De mest populære dyplæringsalgoritmene er:

  • Convolutional Neural Network (CNN)
  • Tilbakevendende nevrale nettverk (RNN)
  • Langtidsminnenettverk (LSTM)
  • Stablede autokodere.
  • Deep Boltzmann Machine (DBM)
  • Deep Belief Networks (DBN)

Deretter er spørsmålet, hvordan skriver du en dyp læringsalgoritme? 6 trinn for å skrive en hvilken som helst maskinlæringsalgoritme fra grunnen av: Perceptron-casestudie

  1. Få en grunnleggende forståelse av algoritmen.
  2. Finn noen forskjellige læringskilder.
  3. Del algoritmen i biter.
  4. Start med et enkelt eksempel.
  5. Valider med en pålitelig implementering.
  6. Skriv ned prosessen din.

Ganske enkelt, hva er eksempler på dyp læring?

Eksempler av Deep Learning på jobb Automatisert kjøring: Bilforskere bruker dyp læring for automatisk å oppdage gjenstander som stoppskilt og trafikklys. I tillegg, dyp læring brukes til å oppdage fotgjengere, noe som bidrar til å redusere ulykker.

Hva er CNN i dyp læring?

I dyp læring , en konvolusjonell nevrale nettverket ( CNN , eller ConvNet) er en klasse av dype nevrale nettverk , oftest brukt for å analysere visuelle bilder.

Anbefalt: