El aprendizaje profundo se ha convertido en un zumbido hoy en día, pero el hecho es que ha existido desde los años 80 como redes neuronales artificiales, si lees el nombre pensarías que esto es algo relacionado con la biología (la palabra neuronal asociada con ella es la neurona más simple). constituyente del cerebro) y la respuesta es sí.
El científico de IA de finales de los 70 se inspiró en cómo funciona el cerebro con cada neurona conectada entre sí formando una red compleja que hace que el cerebro humano sea bastante diferente de las computadoras que necesitan ser programadas, donde los humanos tienen inteligencia y pensamiento intuitivo. Por lo tanto, esto abrió una investigación de que si las computadoras pudieran hacerse pensar intuitivamente modelando cómo funciona el cerebro.
En resumen, puede decir que un modelo simple de esta red consiste en una entrada, una sola capa oculta y una capa de salida, en la neurona la entrada se llama dendrita y la capa de salida se llama axón (se ve en algún texto biológico libro, en el cerebro en lugar de usar señales de datos de E / S), la capa oculta en breve y concisa intenta convertir los datos de entrada en valores de salida multiplicándolos con algunos valores aleatorios (esta capa actúa como una capa de refinación para los valores de entrada) , y luego estos valores aleatorios se optimizan o refinan para obtener la salida más precisa mediante un algoritmo llamado algoritmo de propagación inversa.
- Cómo etiquetar objetivamente objetos con etiquetas que son subjetivas, en sistemas expertos
- ¿Cuál es el significado de la optimización convexa en el aprendizaje automático?
- ¿Cómo realizo la selección de funciones?
- ¿Es el curso de aprendizaje automático de Andrew Ng en Coursera una versión simplificada del curso CS 229: aprendizaje automático que enseñó en Stanford?
- ¿Cuáles son las mejores herramientas de última generación para la extracción de información en Python?
Esta imagen podría usarse para clasificar los dígitos escritos a mano (entrada) en alguna salida no, donde hay 0–9 salidas al refinar esos valores aleatorios o algo así como detectar si un ladrón robó algo de algunas imágenes de CCTV (entrenando esta red con entrenamiento ejemplos, donde la entrada puede ser la densidad de píxeles en escala de grises del metraje de video en pausa en cada segundo intervalo), hay muchos ejemplos en general para el aprendizaje profundo.