Что такое глубокое обучение и нейронная сеть
Нейронные сети(Neural Networks) и глубокое обучение(Deep Learning) в настоящее время являются двумя популярными модными словечками, которые в настоящее время используются с искусственным интеллектом(Artificial Intelligence) . Недавние разработки в мире искусственного интеллекта можно отнести к этим двум, поскольку они сыграли значительную роль в улучшении интеллекта ИИ.
Оглянитесь вокруг, и вы обнаружите вокруг все больше и больше умных машин. Благодаря нейронным сетям(Neural Networks) и глубокому обучению(Deep Learning) рабочие места и возможности, которые когда-то считались сильной стороной человека, теперь выполняются машинами. Сегодня Машины больше не заставляют поглощать более сложные алгоритмы, вместо этого их кормят для развития в автономную самообучающуюся систему, способную произвести революцию во многих отраслях.
Нейронные сети(Neural Networks) и глубокое обучение(Deep Learning ) принесли огромный успех исследователям в таких задачах, как распознавание изображений, распознавание речи, поиск более глубоких связей в наборах данных. Благодаря наличию огромных объемов данных и вычислительной мощности машины могут распознавать объекты, переводить речь, обучаться распознавать сложные закономерности, учиться разрабатывать стратегии и составлять планы на случай непредвиденных обстоятельств в режиме реального времени.
Итак, как именно это работает? Знаете ли вы, что как нейтральные (Neutral) сети(Networks) , так и глубокое обучение(Deep-Learning) связаны между собой, на самом деле, чтобы понять глубокое(Deep) обучение, вы должны сначала понять нейронные сети(Neural Networks) ? Читайте дальше, чтобы узнать больше.
Что такое нейронная сеть
Нейронная(Neural) сеть — это в основном шаблон программирования или набор алгоритмов, которые позволяют компьютеру учиться на данных наблюдений. Нейронная(Neural) сеть похожа на человеческий мозг, который работает, распознавая закономерности. Сенсорные данные интерпретируются с использованием машинного восприятия, маркировки или кластеризации необработанных входных данных. Распознаваемые образы являются числовыми, заключенными в векторы, в которые транслируются такие данные, как изображения, звук, текст и т. д.
Think Neural Network! Think how a human brain function
Как упоминалось выше, нейронная сеть функционирует точно так же, как человеческий мозг; он приобретает все знания в процессе обучения. После этого синаптические веса сохраняют полученные знания. В процессе обучения синаптические веса сети преобразуются для достижения желаемой цели.
Как и человеческий мозг, нейронные сети(Neural Networks) работают как нелинейные параллельные системы обработки информации, которые быстро выполняют такие вычисления, как распознавание образов и восприятие. В результате эти сети очень хорошо работают в таких областях, как распознавание речи, аудио и изображений, где входы/сигналы по своей природе нелинейны.
Проще говоря, вы можете помнить нейронную сеть как нечто, способное накапливать знания, как человеческий мозг, и использовать их для прогнозирования.(In simple words, you can remember Neural Network as something which is capable of stocking knowledge like a human brain and use it to make predictions.)
Структура нейронных сетей
(Изображение предоставлено Mathworks)
Нейронные сети(Networks) состоят из трех слоев,
- Входной слой,
- Скрытый слой и
- Выходной слой.
Каждый слой состоит из одного или нескольких узлов, как показано на диаграмме ниже маленькими кружками. Линии между узлами указывают на поток информации от одного узла к другому. Информация течет от входа к выходу, т.е. слева направо (в некоторых случаях это может быть справа налево или в обе стороны).
Узлы входного слоя пассивны, то есть не изменяют данные. Они получают одно значение на свой вход и дублируют это значение на несколько своих выходов. При(Whereas) этом узлы скрытого и выходного слоя активны. Таким образом, они могут изменять данные.
Во взаимосвязанной структуре каждое значение из входного слоя дублируется и отправляется на все скрытые узлы. Значения, входящие в скрытый узел, умножаются на веса, набор заранее определенных чисел, хранящихся в программе. Затем взвешенные входные данные складываются для получения единого числа. Нейронные сети могут иметь любое количество слоев и любое количество узлов на каждом уровне. Большинство приложений используют трехуровневую структуру с максимум несколькими сотнями входных узлов.
Пример нейронной сети(Example of Neural Network)
Рассмотрим нейронную сеть, распознающую объекты в сигнале сонара, и в ПК хранится 5000 образцов сигнала. Компьютер должен выяснить, представляют ли эти образцы подводную лодку, кита, айсберг, морские скалы или вообще ничего? Обычные(Conventional DSP) методы DSP подошли бы к этой проблеме с помощью математики и алгоритмов, таких как корреляция и анализ частотного спектра.
В то время как с нейронной сетью 5000 выборок будут переданы на входной слой, что приведет к появлению значений из выходного слоя. Выбрав правильные веса, можно настроить вывод для предоставления широкого спектра информации. Например, могут быть выходные данные для: подводная лодка (да/нет), морской камень (да/нет), кит (да/нет) и т. д.
С другими весами выходные данные могут классифицировать объекты как металлические или неметаллические, биологические или небиологические, враги или союзники и т. д. Никаких алгоритмов, никаких правил, никаких процедур; только отношение между входом и выходом, продиктованное значениями выбранных весов.
Теперь давайте разберемся с концепцией глубокого обучения.(Now, let’s understand the concept of Deep Learning.)
Что такое глубокое обучение
Глубокое обучение — это в основном подмножество нейронных сетей(Neural Networks) ; возможно, вы можете назвать сложную нейронную сеть(Neural Network) со множеством скрытых слоев.
С технической точки зрения глубокое(Deep) обучение также можно определить как мощный набор методов обучения в нейронных сетях. Это относится к искусственным нейронным сетям ( ИНС(ANN) ), которые состоят из множества слоев, массивных наборов данных, мощного компьютерного оборудования, чтобы сделать возможной сложную модель обучения. Он содержит класс методов и приемов, в которых используются искусственные нейронные сети с несколькими уровнями все более богатой функциональности.
Структура сети глубокого обучения(Structure of Deep learning network)
Сети глубокого(Deep) обучения в основном используют архитектуру нейронных сетей, поэтому их часто называют глубокими нейронными сетями. Использование работы «глубоко» относится к количеству скрытых слоев в нейронной сети. Обычная нейронная сеть содержит три скрытых слоя, в то время как в глубоких сетях их может быть до 120-150.
Глубокое (Deep) обучение(Learning) включает в себя передачу компьютерной системе большого количества данных, которые она может использовать для принятия решений относительно других данных. Эти данные передаются через нейронные сети, как в случае с машинным обучением. Сети глубокого(Deep) обучения могут изучать функции непосредственно из данных без необходимости ручного извлечения функций.
Примеры глубокого обучения(Examples of Deep Learning)
Глубокое обучение в настоящее время используется практически во всех отраслях, начиная от автомобилестроения(Automobile) , аэрокосмической промышленности(Aerospace) и автоматизации(Automation) и заканчивая медициной(Medical) . Вот некоторые из примеров.
- Google , Netflix и Amazon : Google использует его в своих алгоритмах распознавания голоса и изображений. Netflix и Amazon также используют глубокое обучение, чтобы решить, что вы хотите посмотреть или купить в следующий раз.
- Вождение без водителя: исследователи используют сети глубокого обучения для автоматического обнаружения таких объектов, как знаки остановки и светофоры. Глубокое(Deep) обучение также используется для обнаружения пешеходов, что помогает снизить количество аварий.
- Аэрокосмическая промышленность и оборона: Глубокое обучение используется для идентификации объектов со спутников, которые определяют интересующие области и определяют безопасные или небезопасные зоны для войск.
- Благодаря Deep Learning Facebook автоматически находит и отмечает(Facebook) друзей на ваших фотографиях. Skype может переводить разговорные сообщения в режиме реального времени и довольно точно.
- Медицинские исследования: медицинские исследователи используют глубокое обучение для автоматического обнаружения раковых клеток
- Промышленная автоматизация(Industrial Automation) . Глубокое обучение помогает повысить безопасность рабочих при работе с тяжелой техникой, автоматически определяя, когда люди или объекты находятся на небезопасном расстоянии от машин.
- Электроника: Глубокое(Deep) обучение используется в автоматизированном слухе и переводе речи.
Прочтите(Read) : что такое машинное обучение и глубокое обучение(Machine Learning and Deep Learning) ?
Вывод(Conclusion)
Концепция нейронных сетей(Neural Networks) не нова, и исследователи добились умеренных успехов за последнее десятилетие или около того. Но настоящим переломным моментом стала эволюция глубоких(Deep) нейронных сетей.
Превзойдя традиционные подходы к машинному обучению, он продемонстрировал, что глубокие нейронные сети могут быть обучены и испытаны не только несколькими исследователями, но и могут быть приняты многонациональными технологическими компаниями, чтобы в ближайшем будущем предложить лучшие инновации.
Thanks to Deep Learning and Neural Network, AI is not just doing the tasks, but it has started to think!
Related posts
SMS Organizer: SMS Application Powered на Machine Learning
Что Machine Learning and Deep Learning в Artificial Intelligence
Как установить Drupal с помощью WAMP на Windows
Best Software & Hardware Bitcoin Wallets для Windows, iOS, Android
Setup Internet Radio Station бесплатно на Windows PC
Что такое «чип и PIN» или карты EMV Credit
Этот аккаунт не связан с ним Mixer account
Что означает NFT и как создать NFT Digital Art?
Как Encrypt и добавьте пароли до документов LibreOffice
Лучшие инструменты для отправки SMS бесплатно с вашего компьютера
Video Этикет конференц-связи, советы и правила, которые вам нужно следовать
Что такое Blue Whale Challenge Dare Game
Разница между Analog, Digital and Hybrid computers
Бесплатный Task Management Software для управления совместной работой
Как создать Самозаверяющие SSL Certificates в Windows 10
Как закрыть ваш Payoneer Account?
Как сделать Invitation Card в Windows PC
Disqus comment коробка не загружается или показ на веб-сайт
Что такое Data Analytics и что он используется для
Произошла ошибка при проверке на обновлениях в VLC