¿Son las redes neuronales artificiales la única forma de establecer un aprendizaje profundo?

El aprendizaje profundo (DL) se trata de extraer características jerárquicas que representan múltiples niveles de procesamiento. Las redes neuronales son una forma natural de extraer tales características jerárquicas, pero pueden no ser necesariamente la única forma de extraer tales características de alto nivel.

La fuerza de las arquitecturas de aprendizaje profundo radica en:

1. Representación jerárquica
2. Aprendizaje automático de funciones
3. Tolerancia a las distorsiones.

Quizás haya otros algoritmos que probablemente emerjan en un futuro no muy lejano que puedan utilizar el aprendizaje de características jerárquicas sin ser estructuralmente similares a las redes neuronales profundas.

La otra cosa es que el aprendizaje profundo no es la frontera final del aprendizaje automático. Los futuros algoritmos de ML tendrán que usar múltiples algoritmos y es muy probable que DL sea solo un componente de esos sistemas avanzados de ML.

Esta tendencia ya está tomando forma, como puede ver en el sistema AlphaGo, usan un MCTS con aprendizaje de refuerzo profundo, los métodos futuros no serán diferentes.

Espero que esto ayude.

Perfecto como estudias y aprendes. Hágase muchas preguntas y desarrolle tantas habilidades de reconocimiento de patrones como pueda definir. Encuentre personas que puedan traducir al código necesario y hoala. Ahora para la parte difícil. Debería tener un sistema operativo en funcionamiento ahora para conceptos básicos como números, letras, sílabas. Que luego se convierten en palabras y luego en oraciones de un idioma. La mejor manera de expresarlo es imaginar ser un bebé y desarrollar lo que eres ahora a través de los mismos pasos que aprendiste. Sin aprendizaje simultáneo. Solo una cosa a la vez. Con suficiente tiempo se pueden hacer preferencias para simular su tipo de toma de decisiones. Debe seguir cada experiencia de aprendizaje a otra. Por lo tanto, cree una web y retroceda o reenvíe cualquier información relacionada para garantizar un diseño sináptico adecuado. Si aprende con una comprensión profunda, no hay mejor maestro que uno mismo. No te guste en quién te has convertido, asegúrate de notárselo a tu programador. Puede desarrollarse muy rápidamente de esta manera. Un día, la interfaz de usuario para el transporte de datos en lugar de un codificador contratado será más eficiente. Hasta entonces, obtenga un casco neuronal y registre señales eléctricas y escriba descripciones de imágenes manualmente para vincular los datos. Anuncio de fotos del niño y la mayor cantidad de datos para satisfacer las necesidades de la memoria.

Ahora, cuando se trata de la conciencia, eso es complicado. Hay muchos niveles de conciencia, no solo uno. Por lo tanto, las experiencias de la vida son cruciales para el desarrollo de la conciencia y, bajo su propio juicio, se puede determinar que vale la experiencia espiritual del uso de sustancias que podrían cambiar su perspectiva en gran medida.

Buena suerte. Hay muchas aplicaciones de lluvia de ideas disponibles para comenzar a compartir sus pensamientos de forma gratuita. Entregue los planos a la persona con cuerpo capaz de codificar. Su red será tan profunda como pueda imaginar.

Cree que la codificación será costosa, intente comprar el hardware. Muy alto costo para el punto de entrada. Así que usa lo que tu madre te dio entre tus oídos tanto como sea posible. Comience con la programación de un gpu de varios miles de núcleos por $ 1k o menos y determine a partir de ahí lo que vale la pena pagar. Nvidia tiene todo tipo de soporte gratuito. Y sí, se necesita un hardware extenso para el procesamiento paralelo de la computadora con tiempos de ejecución razonables.

Sí, desafortunadamente en este momento de la escritura, las variaciones de redes neuronales artificiales (que incluyen redes de convolución) son la única técnica conocida que tiene éxito en arquitecturas de capas múltiples.

Ninguna de las alternativas como las máquinas Boltzman, HTM o Spiking NN ha demostrado que valga la pena considerar ningún nivel de resultados competitivos. Así que en este momento, las redes neuronales artificiales son todo lo que tenemos.

El aprendizaje profundo se llama profundo porque su arquitectura está construida a partir de varias capas (ocultas) en una red neuronal. Por lo tanto, el aprendizaje profundo es un tipo especial de red neuronal artificial.