La palabra “profundo” da la sensación de que el aprendizaje profundo podría ser un gran número de capas conectadas entre sí. Cuantas más capas, más profundo es el modelo y listo.
Mi respuesta sería no.
Afirmar que el aprendizaje profundo es lo mismo que la red neuronal profunda, es lo mismo que decir que la película “parque jurásico” es un video clip sobre los mamíferos que se vuelven violentos. estarás de acuerdo con una pizca de encogimiento, pero por dentro sabes que no es toda la historia. En el aprendizaje profundo hay muchas cosas aparte de la red neuronal básica. Operaciones como convolución, corte de peso y capas como tiempo distribuido (denso) o Lambda hacen que el aprendizaje profundo sea diferente a una red neuronal simple con muchas capas.
- ¿Por qué deberíamos considerar muestras negativas en un sistema de recomendación basado en comentarios implícitos?
- ¿Una red neuronal necesita un nodo de salida para cada cosa que pueda clasificar?
- Cómo justificar el rendimiento de un modelo de aprendizaje profundo personalizado (CNN)
- ¿El modelado predictivo es una moda pasajera?
- ¿Cuál es el entorno libre de distribución en la teoría del aprendizaje estadístico?
“Word2vec”, que se considera un modelo de aprendizaje profundo, pero tiene solo 3 capas como una red neuronal muy básica, pero aún está a la par con algún método avanzado para la tarea de incrustación de palabras. En conclusión, existe una sutil diferencia entre el aprendizaje profundo y el NN profundo que, después de una observación cercana, parece mucho más que sutil