От паттернов к глубокому обучению
От стилей к глубокому познанию Компьютеры подготавливают факты посредством использования алгоритмов. Это математические формулировки или команды, которые соблюдают пошаговый метод пошагового метода. Например, лестница в одном наборе правил может научить ПК создавать снимки с похожими стилями. В некоторых случаях, включая изображения кошек, люди помогают компьютерным системам выводить неверную информацию. В разных случаях алгоритмы могут помочь преклиру воспринимать ошибки и анализировать их.
Что такое набор правил?
Одна из наиболее эффективных стратегий машинного знакомства называется «глубокое знакомство». Он организует свои вычислительные усилия в структуры, называемые нейронными сетями (или нейронными сетями). Сети создаются из связанных узлов, через которые могут циркулировать и обрабатываться факты. В этом смысле эти сети представляют собой такой же кусок, как и человеческий мозг. Концепция нейронных сетей возникла в 1940-х годах благодаря усилиям Уоррена Маккалоу и Уолтера Питтса. Они разработали эти структуры немного позже, в то же время, когда они работали в Массачусетском технологическом институте в Кембридже. В то же время нейронные сети вышли из моды. Но они вернулись сюда в 1980-х годах. Сегодня они продолжают служить предпосылкой для все более сложных машинных структур. Сегодня в структурах глубокого познания факты обычно циркулируют через узлы (связи) только в одном направлении. Каждый уровень устройства может получать данные от уменьшенных узлов, затем обрабатывать свои данные и передавать их непосредственно лучшим узлам. Слои усложняются (глубже), потому что преклир учится. Вместо простого выбора, как в игре в шашки, нужно глубоко изучить структуры, оценить множество фактов, изучить их, а затем сделать выбор, основанный исключительно на них. Все эти шаги происходят внутри ПК, без каких-либо новых действий со стороны человека.
