Deep Learning no es ningún algoritmo. Es una arquitectura que se centra en la jerarquía. La red neuronal convolucional (CNN) es uno de esos algoritmos y me limitaré a ello. Bueno, intentaré que sea simple.
Lo que mencionó acerca de ser aproximadores universales es cierto, pero hay una gran trampa en eso.
1) Se convierte en un buen aproximador con una precisión razonable si ha realizado un trabajo bastante bueno en el paso de extracción de características (especialmente en el reconocimiento de imágenes). Esto hace que este conjunto de datos sea específico. Una red que funciona bien en un conjunto de datos podría no funcionar en otro conjunto de datos (aunque ambos son conjuntos de problemas similares).
- ¿Qué significa el término difusión en bibliotecas numéricas con matrices como MATLAB, Numpy o TensorFlow?
- ¿Qué es este aprendizaje automático y big data?
- ¿Cómo funcionan los algoritmos súper recursivos en CUDA?
- ¿Es c # una buena opción para el aprendizaje automático de producción?
- ¿Para qué tipo de problemas de aprendizaje automático no sería adecuado el aprendizaje profundo?
2) Lo mejor de CNN es que no hay necesidad de extracción de características . El sistema aprende a realizar la extracción de características, lo cual es una gran esperanza teniendo en cuenta que puede ser completamente automatizado. El concepto central de CNN es que utiliza una convolución de imagen y filtros para generar características invariables que se pasan a la siguiente capa. Las características en la siguiente capa están enrevesadas con diferentes filtros para generar características más invariantes y abstractas y el proceso continúa hasta que obtenemos la característica / salida final (digamos la cara de X) que es invariante para las oclusiones.
3) Podemos descubrir qué está implementando cada capa (como la capa inferior haciendo detección de bordes, la siguiente capa haciendo reconocimiento de textura, etc.) a diferencia de la red neuronal artificial cuyas capas no significaban nada más que una entidad computacional. A medida que cada capa realiza un cálculo más abstracto y humano, la red se puede reutilizar . (Esta es ciertamente mi idea, no hay fuentes al respecto).
Como estoy en la fase de ” estudiar literatura “, no puedo darte una diferencia más detallada. Empezaré a trabajar en él muy pronto y volveré a tu pregunta.
Fuentes:
- Redes de convección: una perspectiva modular
- Página en codeproject.com
- Aprendizaje profundo