Разлика между невронната мрежа и задълбоченото обучение

Най- ключова разлика между невронната мрежа и дълбокото обучение е това невронната мрежа работи подобно на невроните в човешкия мозък, за да изпълнява различни изчислителни задачи по-бързо, докато дълбокото обучение е специален тип машинно обучение, което имитира учебния подход, който хората използват, за да получат знания.

Невронната мрежа помага за изграждането на прогнозни модели за решаване на сложни проблеми. От друга страна, дълбокото обучение е част от машинното обучение. Той помага да се развие разпознаване на реч, разпознаване на изображения, обработка на естествен език, препоръчителни системи, биоинформатика и много други. Невронната мрежа е метод за реализиране на задълбочено обучение.

СЪДЪРЖАНИЕ

1. Преглед и ключова разлика
2. Какво е невронна мрежа
3. Какво е задълбочено обучение
4. Паралелно сравнение - Невронна мрежа срещу дълбоко обучение в таблична форма
5. Обобщение

Какво е невронна мрежа?

Биологичните неврони са вдъхновението за невронните мрежи. В човешкия мозък има милиони неврони и информационен процес от един неврон към друг. Невронните мрежи използват този сценарий. Те създават компютърен модел, подобен на мозък. Той може да изпълнява изчислителни сложни задачи по-бързо от обичайната система.

Фигура 01: Диаграма на невронната мрежа

В невронна мрежа възлите се свързват помежду си. Всяка връзка има тегло. Когато входовете към възлите са x1, x2, x3, ... и съответните тегла са w1, w2, w3, ... тогава нетният вход (y) е,

 y = x1w1 + x2w2 + x3w3 +… .

След като приложи нетния вход към функцията за активиране, той дава изхода. Функцията за активиране може да бъде линейна или сигмоидна функция.

Y = F (y)

Ако този изход е различен от желания изход, теглото се регулира отново и този процес продължава до получаване на желания изход. Това актуализиране на теглото става според алгоритъма за размножаване.

Има две топологии на невронната мрежа, наречени feedforward и обратна връзка. Преносните мрежи нямат контур за обратна връзка. С други думи, сигналите текат само от входа към изхода. Предаващите мрежи допълнително се разделят на еднослойни и многослойни невронни мрежи.

Типове мрежи

В еднослойните мрежи входният слой се свързва с изходния слой. Многослойната невронна мрежа има повече слоеве между входния и изходния слой. Тези слоеве се наричат ​​скритите слоеве. Другият тип мрежа, който е мрежата за обратна връзка, има пътища за обратна връзка. Освен това има възможност за предаване на информация и на двете страни.

Фигура 02: Многослойна невронна мрежа

Невронната мрежа се учи чрез промяна на теглата на връзката между възлите. Има три типа учене, като контролирано обучение, неподдържано обучение и укрепване на обучението. При контролирано обучение мрежата ще предостави изходен вектор според входния вектор. Този изходен вектор се сравнява с желания изходен вектор. Ако има разлика, теглата ще се променят. Тези процеси продължават, докато действителният изход съвпада с желания изход.

При неподдържано обучение мрежата идентифицира моделите и характеристиките от входните данни и връзката за входните данни сама по себе си. При това обучение входните вектори от подобни типове се комбинират, за да създадат клъстери. Когато мрежата получи нов модел на въвеждане, тя ще даде изхода, определящ класа, към който принадлежи този модел на въвеждане. Ученето за подсилване приема известна обратна връзка от околната среда. Тогава мрежата променя тежестите. Това са методите за трениране на невронна мрежа. Като цяло, невронните мрежи помагат за решаване на различни проблеми с разпознаването на модели.

Какво е задълбочено обучение?

Преди задълбочено обучение е важно да се обсъди машинното обучение. Дава възможност на компютър да учи без изрично програмирани програми. С други думи, тя помага да се създадат алгоритми за самообучение за анализиране на данни и разпознаване на модели за вземане на решения. Но, има някои ограничения е общото машинно обучение. Първо, е трудно да се работи с данни с големи размери или изключително голям набор от входове и изходи. Може също да е трудно да се направи извличане на функции.

Дълбокото обучение решава тези проблеми. Това е специален вид машинно обучение. Той помага за изграждането на алгоритми за обучение, които могат да функционират подобно на човешкия мозък. Дълбоките невронни мрежи и повтарящите се невронни мрежи са някои архитектури на дълбоко обучение. Дълбоката невронна мрежа е невронна мрежа с множество скрити слоеве. Повтарящите се невронни мрежи използват памет за обработка на последователности от входове.

Каква е разликата между невронната мрежа и дълбокото обучение?

Невронна мрежа е система, която работи подобно на невроните в човешкия мозък, за да изпълнява по-бързо различни изчислителни задачи. Дълбокото обучение е специален вид машинно обучение, който имитира подхода на обучение, който хората използват, за да получат знания. Невронната мрежа е метод за постигане на дълбоко обучение. От друга страна, Deep Leaning е специална форма на машинно подпиране. Това е основната разлика между невронната мрежа и дълбокото обучение

Обобщение - Невронна мрежа срещу дълбоко обучение

Разликата между невронната мрежа и дълбокото обучение е, че невронната мрежа работи подобно на невроните в човешкия мозък, за да изпълнява различни изчислителни задачи по-бързо, докато дълбокото обучение е специален тип машинно обучение, което имитира подхода на обучение, който хората използват, за да получат знания.

справка:

1. „Какво е дълбокото обучение (дълбока невронна мрежа)? - Определение от WhatIs.com. " SearchEnterpriseAI. Налични тук 
2. „Дълбоко учене.“ Уикипедия, Фондация Уикимедия, 30 май 2018 г. Достъпно тук  
3.edurekaIN. Какво е дълбокото обучение | Опростено задълбочено обучение | Урок за задълбочено обучение | Edureka, Edureka !, 10 май 2017. Достъпно тук   
4.Учебен пункт. "Блокове за изкуствена невронна мрежа." Точка за уроци, 8 януари 2018 г. Достъпно тук  

С любезност на изображенията:

1. 'Изкуствена невронна мрежа' от Geetika saini - Собствена работа, (CC BY-SA 4.0) през Commons Wikimedia  
2.'MultiLayerNeuralNetworkBigger english'By MultiLayerNeuralNetwork_english.png: Chrislbderivative work: - HELLKNOWZ ▎TALK ▎enWP TALK (CC BY-SA 3.0) чрез Commons Wikimedia