Indholdsfortegnelse:

Hvad er deep learning algoritmer?
Hvad er deep learning algoritmer?

Video: Hvad er deep learning algoritmer?

Video: Hvad er deep learning algoritmer?
Video: KomDigital: Machine Learning og algoritmer 2024, November
Anonim

Dyb læring er en klasse af maskinlæringsalgoritmer der bruger flere lag til gradvist at udtrække funktioner på højere niveau fra det rå input. For eksempel i billedbehandling kan lavere lag identificere kanter, mens højere lag kan identificere de begreber, der er relevante for et menneske, såsom cifre eller bogstaver eller ansigter.

På samme måde kan du spørge, hvad er de dybe læringsalgoritmer?

De mest populære deep learning algoritmer er:

  • Convolutional Neural Network (CNN)
  • Tilbagevendende neurale netværk (RNN'er)
  • Langtidshukommelsesnetværk (LSTM'er)
  • Stablede autokodere.
  • Deep Boltzmann Machine (DBM)
  • Deep Belief Networks (DBN)

Efterfølgende er spørgsmålet, hvordan man skriver en deep learning-algoritme? 6 trin til at skrive enhver maskinlæringsalgoritme fra bunden: Perceptron-casestudie

  1. Få en grundlæggende forståelse af algoritmen.
  2. Find nogle forskellige læringskilder.
  3. Del algoritmen op i bidder.
  4. Start med et simpelt eksempel.
  5. Valider med en pålidelig implementering.
  6. Skriv din proces.

Simpelthen, hvad er deep learning-eksempler?

Eksempler af Dyb læring på arbejde Automatiseret kørsel: Bilforskere bruger dyb læring til automatisk at registrere genstande som stopskilte og trafiklys. Ud over, dyb læring bruges til at opdage fodgængere, hvilket hjælper med at mindske ulykker.

Hvad er CNN i deep learning?

I dyb læring , en foldning neurale netværk ( CNN , eller ConvNet) er en klasse af dybe neurale netværk , mest almindeligt anvendt til at analysere visuelle billeder.

Anbefalede: