딥러닝 알고리즘 예제

  • 0

딥러닝 알고리즘 예제

딥 러닝 머신은 언어의 방언을 구별하기 시작했습니다. 기계는 누군가가 영어를 말하고 있다고 결정한 다음 방언의 차이를 말하는 법을 배우는 AI를 참여시킵니다. 방언이 결정되면 다른 AI가 특정 방언을 전문으로 합니다. 이 모든 것은 인간의 개입없이 발생합니다. 나는이 게시물을 즐겼지 만 이것이 잘못된 진술이라고 생각합니다. 유전 알고리즘은 큰 검색 공간에서 가장 유용합니다 (여기에 열을 가하는 것은 불가능할 것입니다, 10 ^100 이 될 수있는 공간에 대해 이야기하고 있었다) 매우 복잡한 비 볼록 함수. 현대 알고리즘은 예를 들어(http://en.wikipedia.org/wiki/CMA-ES) 및 (http://en.wikipedia.org/wiki/Estimation_of_distribution_algorithm)와 같은 80년대에 사용되는 간단한 기술보다 훨씬 더 정교합니다. 여기에 좋은 재미 최근 응용 프로그램입니다 : http://www.cc.gatech.edu/~jtan34/project/learningBicycleStunts.html 많은 층의 깊은 신경망에, 최종 레이어는 특정 역할이 있습니다. 레이블이 지정된 입력을 처리할 때 출력 계층은 각 예제를 분류하여 가장 가능성이 높은 레이블을 적용합니다. 출력 계층의 각 노드는 하나의 레이블을 나타내며, 해당 노드는 이전 레이어의 입력 및 매개 변수에서 수신하는 신호의 강도에 따라 켜지거나 꺼집니다. 기계 학습에서는 수동으로 피처와 분류자를 선택하여 이미지를 정렬합니다. 딥 러닝을 사용하면 기능 추출 및 모델링 단계가 자동으로 수행됩니다. 딥 러닝 분야에서 막 시작했거나 얼마 전에 신경망에 대한 경험이 있다면 혼란스러울 수 있습니다.

처음에는 혼란스러웠고 1990년대와 2000년대 초반에 신경망을 배우고 사용하는 많은 동료와 친구들이 있었습니다. 나는 `알고리즘`이 „기계”에서 작동하는 방법에 대해 알고 싶습니다? 여기서는 „기계”를 „인간” 또는 „생물학적 바이러스” 또는 „살아있는 세포”로 간주하십시오. 아무 생각 나폴레옹. 딥 러닝은 오랫동안 바쁘게 지낼 수 있는 충분한 잠재력을 가지고 있습니다. 나는 이것이 알고리즘을 그룹화하는 가장 유용한 방법이라고 생각하며 여기에서 사용할 접근 방식입니다. 예를 들어 딥 러닝은 백만 개의 이미지를 찍고 한 쪽 구석에 있는 고양이, 다른 구석에 있는 얼음 차단기, 그리고 할머니의 모든 사진의 세 번째 사진에 따라 클러스터할 수 있습니다. 이것은 소위 스마트 사진 앨범의 기초입니다. 1991년까지 이러한 시스템은 고립된 2D 수작업 자릿수를 인식하는 데 사용되었으며, 3D 객체를 인식하는 것은 2D 이미지를 수작업으로 제작된 3D 개체 모델과 일치시킴으로써 이루어졌습니다.