Как вы можете видеть на модели выше. Глубокое обучение — это подраздел искусственного интеллекта и машинного обучения. Так что же делает Deep Learning уникальным? Глубокое обучение — это первый класс алгоритмов, производительность и точность которых улучшаются по мере ввода большего количества данных.
Что позволяет Deep Learning повышать свою точность по мере увеличения ввода данных, так это искусственные нейронные сети.
Искусственная нейронная сеть принимает данные в качестве входных данных, передает эти данные через некоторые скрытые слои и, в конечном итоге, обеспечивает выходные данные. Чтобы немного лучше понять, что происходит, нам нужно понять, что такое нейрон и синапс по отношению к сети. Каждый нейрон представляет точку данных. Каждый синапс представляет собой точку данных после того, как она была взвешена и передана следующему нейрону. Под взвешенным мы подразумеваем, что данные в этом нейроне были просмотрены, чтобы увидеть, насколько они важны для результата.
Например, если вы хотите найти некоторые факторы, которые точно предсказывают погоду; скажем, одна точка данных представляла влажность в тот день, а другая представляла цвет рубашки, которую кто-то носил в тот день. Очевидно, что первая точка данных более важна при попытке предсказать погоду. Второй точки данных не так много, поэтому после прохождения алгоритма, определяющего важность каждой точки данных, второй точке данных будет присвоено более низкое значение, чем первой точке данных. Точки взвешенных данных по мере их перемещения от одного нейрона к другому представлены стрелками, которые в нашей модели называются синапсами.
Как видно из рисунка, взвешенные нейроны соединяются с другими. Область, где соединяются эти нейроны, называется скрытым слоем. Скрытый слой — это место, где производятся вычисления для взвешивания нейронов. Это делается с помощью контролируемого обучения. Обучение с учителем — это когда человек просматривает данные и при необходимости вносит исправления.
Именно способность иметь множество скрытых слоев делает глубокое обучение таким точным и дает возможность улучшать его по мере увеличения количества вводимых данных.
Когда каждый из взвешенных нейронов передается от своего скрытого слоя к следующему скрытому слою, это улучшает производительность алгоритма.
Многие модели глубокого обучения имеют так много скрытых слоев, что модель больше не может быть запущена сразу. Чтобы запустить модель с тысячами скрытых слоев, вы используете Epochs. Эпоха — это набор запущенных скрытых слоев. Таким образом, если бы у вас была, например, тысяча скрытых слоев, вы бы запускали эпохи по сотне слоев одновременно. Если вы хотите узнать больше о глубоком обучении, ознакомьтесь с некоторыми сообщениями в блогах ниже. Они отлично справляются с объяснением глубокого обучения!
https://medium.com/@ivanliljeqvist/the-essence-of-artificial-neural-networks-5de300c995d6
