Эгерде жасалма акыл өзүнөн жөнүндө билүү керек
Deep окутуу бир күчтүү түрү болуп саналат машина окуу деп аталган татаал математикалык курулуштар куруп (ML) нейрон түйүндөрүн маалыматтар (маалымат) өтө көп колдонуу.
Deep Learning аныктоо
Deep окуу маалыматтардын кыйла татаал түрлөрүн иштеп чыгуу нейрон тармактар бир нече катмар менен ML ишке ашыруу бир жолу болуп саналат. Кээде иерархиялык окуу деп аталат, терең үйрөнүү (ошондой эле өкүлчүлүктөрдү деп да аталат) өзгөчөлүктөрүн үйрөнүү жана чийки, Эни маалыматтар (бонитети маалыматтар) ири топтому таба нейрон тармактары ар кандай түрлөрүн колдонот. терең окутуунун алгачкы ачылыш митингдерде бири ийгиликтүү YouTube Videos тобун алып мышыктын сүрөттөрдү тандап программа болду.
Күнүмдүк жашоонун Deep Learning мисалдар
Deep окуу гана сүрөтү таануу үчүн колдонулган эмес, бирок ошондой эле котормо, алдамчылыктын аныктоо жана алардын кардарлары тууралуу компаниялар тарабынан чогултулган маалыматтарды талдоо. Мисалы, Netflix, адатка айланып калган нерселерди анализдеп, көрсөтөт жана тасма сиз жактырган турган алдын ала терең окутууну колдонот. Бул Netflix сиздин сунуш кезекте иш тасмаларды жана жаратылышты документалдык үчүн билет. Amazon жакында сиз жакында эле сатып алуу жана ден талдоого терең окутууну колдонот Сен жане жана Сиз ак жана сары теннис бир жуп рыногунда жаткандай кызыкдар болушу мүмкүн деп жаңы өлкө музыка боюнча сунуштарды түзүү издеп бут кийим. Катары терең окутуу бонитети жана чийки маалыматтардан көбүрөөк түшүнүк берет, компаниялар жакшы сага, ал эми алардын кардарларынын муктаждыктарын күтсө болот, жеке кардарларды көбүрөөк ылайыкташтырылган тейлөө алуу.
Жасалма нейрон тармактары жана Deep Learning
Терең түшүнүүгө жардам үйрөнүү үчүн, алалы жасалма нейрон тармагынын биздин салыштырууну кайра карап (ANN). терең билим алуу үчүн, 15 кабаттуу имаратында беш башка кызматтык имараттарды менен шаар блогун ээлейт дейли. жолдун ар бир тараптан үч имарат бар. Биздин имарат куруу жана салмагы бир эле тарапты көчөсүнүн имараттар Б жана С эле көчөдөн өтүп куруу тартып жатат куруп жатат 1, ал эми Б куруу 2 болуп өтүп, анда жана. Ар бир имарат полду кандай санда бар, ар түрдүү материалдардан жасалган, ал эми башка бир башка архитектуралык стилге ээ. Бирок, ар бир имарат дагы бюролору (бездери) айрым полу (катмар) ёткёрълъъчъ айтабыз, ар бир имарат уникалдуу ANN болуп саналат.
санариптик пакет имараттын келгенде, бир нече жолу, мисалы, текст түрүндөгү маалыматтарды булактардан маалыматтарды ар кандай түрлөрү көп камтыган көргөзмө агымындай, аудио агымындай, телефон чалуулар, радио толкундары жана дейли сүрөттөргө-Ошентсе да, бул бир чоң геохимиялык менен келип, белгиленген же кандайдыр бир логикалык жол (бонитети маалыматтар) боюнча сорттолгон эмес. Маалымат иштетүү үчүн 15-жолу 1-тартып алуу үчүн ар бир кабатында аркылуу жөнөтүлөт. Маалымат башаламандык 15-кабатында (чыгаруунун) чыккандан кийин, ал жана куруу боюнча жиберилген 1-кабатында (жазуу) жана А. Building 3 Дароо куруу акыркы иштетүү жыйынтыгы менен 3 куруу натыйжасын эске алынды жөнөтүлөт андан кийин ошол эле жол менен ар бир кабатында аркылуу маалымат Jumble иштетет. маалымат 3 куруу жогорку кабатында жеткенде, ал жерде ошол имараттын курууга натыйжалары 1. Курулуш 1-билип, аны кабат-менен-кабатында иштеп чыгуу үчүн 3 куруу жыйынтыктарын камтыйт жөнөтүлгөн. Building 1 иштеп жана Б. куруу үчүн жөнөтөт иштеп жана 2 куруу үчүн жөнөтөт C куруу үчүн ошондой эле маалымат жана материалдар, өтөт
Ар бир ANN (курулуш) биздин мисалы бонитети маалыматтардын башка өзгөчөлүк издейт (маалымат башаламандык) жана кийинки имаратка материалдар өтөт. кийинки имарат (үйрөнүү) чыгаруу (жыйынтык) мурунку бир камтыйт. маалыматтар ар бир Ann (имарат) тарабынан иштелип болгондой, маалымат акыркы Ann (имарат) акыркы өндүрүүнү (жогорку-кабат) жеткенде, ал ушунчалык кайсы бир өзгөчөлүк менен (жашыруун) уюштуруу жана белгиленген кетсе, ал жашыруун жана белгиленген жатат (структуралык).
Жасалма интеллект, Machine Learning жана Deep Learning
Кантип терең үйрөнүү жалпы түшүнүк кандайча жасалма мээ (AI) жана Эмгек? Deep окуу Эмгек күчүн жогорулатты жана Аи аткарууга жөндөмдүү милдеттердин чөйрөсүн жогорулатат. Маалымат ордуна жөнөкөй милдет-айкын жана коёт ичинде терең билим нейрон торлору менен таануу өзгөчөлүктөрүн пайдалануу таянат, анткени алгоритмдердин , аны таап, биринчи-бир жолу кол менен белгилөө үчүн программист муктаж болбостон, бонитети (чийки) маалыматтардын майда-чүйдөсүнө чейин колдоно аласыз каталарды киргизүү мүмкүн -consuming милдети. Deep окутуунун техникалык да уюмдар менен адамдарга жардам берүү үчүн маалыматтарды колдонуу жакшы жана жакшы жардам берип жатат.