Inhaltsverzeichnis:

Was sind Deep-Learning-Algorithmen?
Was sind Deep-Learning-Algorithmen?

Video: Was sind Deep-Learning-Algorithmen?

Video: Was sind Deep-Learning-Algorithmen?
Video: KÜNSTLICHE INTELLIGENZ vs. MACHINE LEARNING vs. DEEP LEARNING 2024, Kann
Anonim

Tiefes Lernen ist eine Klasse von Algorithmen für maschinelles Lernen die mehrere Layer verwendet, um nach und nach Features auf höherer Ebene aus der Roheingabe zu extrahieren. Bei der Bildverarbeitung können beispielsweise niedrigere Schichten Kanten identifizieren, während höhere Schichten die für einen Menschen relevanten Konzepte wie Ziffern oder Buchstaben oder Gesichter identifizieren können.

In ähnlicher Weise können Sie sich fragen, was sind die Deep-Learning-Algorithmen?

Die beliebtesten Deep-Learning-Algorithmen sind:

  • Convolutional Neural Network (CNN)
  • Rekurrente neuronale Netze (RNNs)
  • Lange Kurzzeitgedächtnisnetzwerke (LSTMs)
  • Gestapelte Auto-Encoder.
  • Tiefe Boltzmann-Maschine (DBM)
  • Deep Belief Networks (DBN)

Anschließend stellt sich die Frage, wie schreibt man einen Deep-Learning-Algorithmus? 6 Schritte, um jeden Algorithmus für maschinelles Lernen von Grund auf zu schreiben: Perceptron-Fallstudie

  1. Verschaffen Sie sich ein grundlegendes Verständnis des Algorithmus.
  2. Finden Sie verschiedene Lernquellen.
  3. Brechen Sie den Algorithmus in Stücke.
  4. Beginnen Sie mit einem einfachen Beispiel.
  5. Validieren Sie mit einer vertrauenswürdigen Implementierung.
  6. Schreiben Sie Ihren Prozess auf.

Was sind Deep-Learning-Beispiele?

Beispiele von Tiefes Lernen at Work Automatisiertes Fahren: Automobilforscher nutzen tiefes Lernen um Objekte wie Stoppschilder und Ampeln automatisch zu erkennen. Zusätzlich, tiefes Lernen wird verwendet, um Fußgänger zu erkennen, was zur Verringerung von Unfällen beiträgt.

Was ist CNN beim Deep Learning?

In tiefes Lernen , eine Faltung neurales Netzwerk ( CNN , oder ConvNet) ist eine Klasse von tiefe neuronale Netze , die am häufigsten zur Analyse visueller Bilder verwendet wird.

Empfohlen: