Atšķirība starp neironu tīklu un dziļo mācīšanos

galvenā atšķirība starp neironu tīklu un dziļo mācīšanos tas ir neironu tīkls darbojas līdzīgi neironiem cilvēka smadzenēs, lai ātrāk veiktu dažādus aprēķināšanas uzdevumus, savukārt dziļā mācīšanās ir īpašs mašīnmācīšanās veids, kas imitē mācīšanās pieeju, kuru cilvēki izmanto zināšanu iegūšanai.

Neironu tīkls palīdz veidot jutīgus modeļus sarežģītu problēmu risināšanai. No otras puses, dziļa mācīšanās ir mašīnmācības sastāvdaļa. Tas palīdz attīstīt runas atpazīšanu, attēlu atpazīšanu, dabiskās valodas apstrādi, ieteikumu sistēmas, bioinformātiku un daudz ko citu. Neironu tīkls ir metode dziļas mācīšanās ieviešanai.

SATURS

1. Pārskats un galvenās atšķirības
2. Kas ir neironu tīkls
3. Kas ir dziļā mācīšanās?
4. Salīdzinājums blakus - neironu tīkls vs dziļā izglītība tabulas formā
5. Kopsavilkums

Kas ir neironu tīkls?

Bioloģiskie neironi ir neironu tīklu iedvesma. Cilvēka smadzenēs ir miljoniem neironu un informācijas process no viena neirona uz otru. Neironu tīkli izmanto šo scenāriju. Viņi izveido smadzeņu modelim līdzīgu datora modeli. Tas var veikt sarežģītus skaitļošanas uzdevumus ātrāk nekā parasti sistēma.

01. attēls. Neironu tīkla bloku diagramma

Neironu tīklā mezgli savienojas viens ar otru. Katram savienojumam ir svars. Ja mezglu ieejas ir x1, x2, x3,… un atbilstošie svari ir w1, w2, w3,…, tad neto ieeja (y) ir,

 y = x1w1 + x2w2 + x3w3 +… .

Pēc neto ievades piemērošanas aktivizēšanas funkcijai tas dod izeju. Aktivizācijas funkcija var būt lineāra vai sigmoīda.

Y = F (y)

Ja šī izeja atšķiras no vēlamās izejas, svaru atkal koriģē un šis process notiek nepārtraukti, līdz tiek iegūta vēlamā jauda. Šī svara atjaunināšana notiek saskaņā ar reproducēšanas algoritmu.

Ir divas neironu tīkla topoloģijas, ko sauc par pārsūtīšanu un atgriezenisko saiti. Sākotnējiem tīkliem nav atgriezeniskās saites. Citiem vārdiem sakot, signāli plūst tikai no ieejas līdz izejai. Sākotnējie tīkli tālāk sadalās vienā slānī un daudzslāņu neironu tīklos.

Tīkla veidi

Vienslāņa tīklos ieejas slānis savienojas ar izvades slāni. Daudzslāņu neironu tīklam ir vairāk slāņu starp ieejas un izejas slāņiem. Tos slāņus sauc par slēptajiem slāņiem. Otram tīkla veidam, kas ir atgriezeniskās saites tīkliem, ir atgriezeniskās saites ceļi. Turklāt ir iespēja nodot informāciju abām pusēm.

02 attēls: daudzslāņu neironu tīkls

Neironu tīkls mācās, mainot savienojuma svarus starp mezgliem. Ir trīs mācīšanās veidi, piemēram, vadīta mācīšanās, nepārraudzīta mācīšanās un pastiprinoša mācīšanās. Pārraudzītā apmācībā tīkls nodrošinās izejas vektoru atbilstoši ievades vektoram. Šis izvades vektors tiek salīdzināts ar vēlamo izvades vektoru. Ja ir atšķirība, svari mainīsies. Šie procesi turpinās, līdz faktiskā izvade sakrīt ar vēlamo.

Neuzraudzītas mācīšanās laikā tīkls pats identificē ievades datu modeļus un funkcijas un ievades datu saistību. Šajā mācībā līdzīgu veidu ievades vektori apvienojas, veidojot kopas. Kad tīkls iegūs jaunu ievades modeli, tas sniegs izvadi, norādot klasi, kurai šis ievades raksts pieder. Pastiprināšanas mācīšanās pieņem zināmas atsauksmes no vides. Tad tīkls maina svarus. Tās ir neironu tīkla apmācības metodes. Kopumā neironu tīkli palīdz risināt dažādas modeļa atpazīšanas problēmas.

Kas ir dziļā mācīšanās?

Pirms dziļas mācīšanās ir svarīgi apspriest mašīnu apguvi. Tas dod iespēju datoram mācīties bez skaidri ieprogrammēta. Citiem vārdiem sakot, tas palīdz izveidot pašmācības algoritmus, lai analizētu datus un atpazītu modeļus lēmumu pieņemšanai. Tomēr vispārējai mašīnmācībai ir daži ierobežojumi. Pirmkārt, ir grūti strādāt ar augstas dimensijas datiem vai ar ārkārtīgi lielu ieeju un izeju komplektu. Var būt arī grūti veikt funkciju ieguvi.

Dziļā mācīšanās atrisina šos jautājumus. Tas ir īpašs mašīnu apguves veids. Tas palīdz veidot mācību algoritmus, kas var darboties līdzīgi kā cilvēka smadzenes. Dziļie neironu tīkli un atkārtotie neironu tīkli ir dažas dziļas mācīšanās arhitektūras. Dziļais neironu tīkls ir neironu tīkls ar vairākiem slēptiem slāņiem. Atkārtoti neironu tīkli izmanto atmiņu ievades secību apstrādei.

Kāda ir atšķirība starp neironu tīklu un dziļo mācīšanos?

Neironu tīkls ir sistēma, kas darbojas līdzīgi cilvēka smadzeņu neironiem, lai ātrāk veiktu dažādus aprēķināšanas uzdevumus. Dziļās mācības ir īpašs mašīnmācīšanās veids, kas imitē mācīšanās pieeju, kuru cilvēki izmanto zināšanu iegūšanai. Neironu tīkls ir dziļas mācīšanās metode. No otras puses, dziļā noliekšanās ir īpaša Machine Leaning forma. Šī ir galvenā atšķirība starp neironu tīklu un dziļo mācīšanos

Kopsavilkums - neironu tīkls vs padziļināta apmācība

Atšķirība starp neironu tīklu un dziļo mācīšanos ir tāda, ka neironu tīkls darbojas līdzīgi cilvēka smadzeņu neironiem, lai ātrāk veiktu dažādus aprēķināšanas uzdevumus, savukārt dziļā mācīšanās ir īpašs mašīnmācīšanās veids, kas imitē mācīšanās pieeju, kuru cilvēki izmanto zināšanu iegūšanai..

Atsauce:

1. “Kas ir dziļā izglītība (dziļais neironu tīkls)? - Definīcija no vietnes WhatIs.com. ” SearchEnterpriseAI. Pieejams šeit 
2. “Dziļa mācīšanās”. Wikipedia, Wikimedia Foundation, 2018. gada 30. maijs. Pieejams šeit  
3.edurekaIN. Kas ir dziļa mācīšanās | Vienkāršota dziļā apmācība | Padziļinātas apmācības apmācība | Edureka, Edureka !, 2017. gada 10. maijs. Pieejams šeit   
4.Pamācību punkts. “Mākslīgā neironu tīkla veidojošie bloki.” Pamācību punkts, 2018. gada 8. janvāris. Pieejams šeit  

Attēla pieklājība:

1.'Mākslīgais neironu tīkls'By Geetika saini - Savs darbs, (CC BY-SA 4.0), izmantojot Commons Wikimedia  
2.'MultiLayerNeuralNetworkBigger english'By MultiLayerNeuralNetwork_english.png: Chrislbderivative work: - HELLKNOWZ ▎TALK ▎enWP TALK (CC BY-SA 3.0), izmantojot Commons Wikimedia