Sisällysluettelo:
Määritelmä - Mitä syvä oppiminen tarkoittaa?
Syväoppiminen on kokoelma koneoppimisessa käytettyjä algoritmeja, joita käytetään mallintamaan datan korkean tason abstraktioita käyttämällä malliarkkitehtuureja, jotka koostuvat useista epälineaarisista muunnoksista. Se on osa laajaa koneoppimismenetelmien ryhmää, jotka perustuvat tietojen esittämiseen.
Techopedia selittää syvän oppimisen
Syväoppiminen on erityinen lähestymistapa hermoverkkojen rakentamiseen ja kouluttamiseen, joita pidetään erittäin lupaavina päätöksenteon solmuna. Algoritmin katsotaan olevan syvä, jos syöttötiedot johdetaan epälineaarisuuksien tai epälineaaristen muunnosten sarjan läpi ennen kuin niistä tulee lähtö. Sitä vastoin nykyaikaisimpia koneoppimisalgoritmeja pidetään "matalina", koska syöttö voi mennä vain muutamilla aliohjelman kutsutasoilla.
Syväoppiminen poistaa tietojen ominaisuuksien manuaalisen tunnistamisen ja sen sijaan luottaa siihen kuuluvaan harjoitteluprosessiin hyödyllisten mallien löytämiseksi syöttöesimerkkeissä. Tämä tekee hermoverkon kouluttamisesta helpompaa ja nopeampaa, ja se voi antaa paremman tuloksen, joka edistää keinoälyn alaa.
