到目前爲止,我知道深度學習是機器學習的一個子集。我知道一些算法,它的實現像機器學習中的KNN,樸素貝葉斯等。是否有任何特定的算法來表示和實施深度學習?哪些算法涉及深度學習?
-4
A
回答
8
混合特定ML概念的「算法」,「方法」,「模型」和「實現」的概念是一種常見的錯誤概念。 ML社區中定義的大多數事物是模型或方法,而不是算法或實現。粗略地說:
- 模型是表示數學方程式/公式的形式實際,真實進程的形式。一個這樣的模型可以是最近鄰分類器或線性分類
- 方法往往是一個形式接近使用的一些數據(像例如梯度法的找到模型的參數的問題的優化,常常被用來訓練ML車型)
- 算法是指令集,經常在顯示一種需要,爲了做到精確的操作一些僞代碼來創建的一些實施給定方法。
- 終於實施是其中之一,特別是一段代碼其中實現一些抽象的算法
所以,現在,深度學習只是在ML,這還沒有明確的定義,一個籠統的概念,雖然它通常用於涉及模型,涉及數據表示的分層抽象以及培訓這些模型的方法。
最常見的DL型號深層神經網絡,換句話說神經網絡其中有多個(它是多少?的公開辯論,有人說5,其他10或30)非線性隱藏層。一些機型包括:
- 深玻爾茲曼機(DBM)
- 深自動編碼器(DAE)
- 深卷積神經網絡(DCNN)
- 迴歸神經網絡(RNN)
一般模型可以是深,並且可以有方法,算法爲深度學習或實現算法對於深度學習。一些這樣的算法是
- 對比發散(CD)這是用來列車DBMS
- 持久Constrastive發散(PCD)
。
1
深度學習是機器學習的一個子集,靈感來源於人類大腦的工作。它涉及培養大量構建一個模型的神經元,然後使用這個模型預測一些新的觀察結果。 深學習有兩個類別的學習涉及各種類型的模型(不應該被提到的算法)的如下所述:在監督下即給予大的輸入和輸出數據集學習:
- 監督深度學習並訓練模型,然後使用這個訓練模型來預測新數據觀測的輸出。 主要有三種類型的深度學習模式
人工神經網絡的:用於迴歸和分類。示例簡單文本數據。
卷積神經網絡:用於圖像分類和計算機視覺。
經常性神經網絡:用於時間序列分析和長期短期記憶。從一種語言到另一種語言的翻譯示例
- 無監督深度學習:學習自己。有主要三種型號:
自組織映射:用於特徵檢測
深玻爾茲曼機:用於推薦系統
自動編碼器:用於推薦系統
相關問題
- 1. 如果不涉及「學習」,算法可以分類爲「無監督學習」嗎?
- 2. SDLC涉及哪些文件?
- 3. 深度Q學習算法中的phi是什麼
- 4. Rapidminer中的深度學習算法的類型是什麼?
- 5. 哪個深度學習庫支持在手機上使用的深度學習模型的壓縮?
- 6. 哪些需要學習Android?
- 7. 如何應用UI學習自動化的深度學習?
- 8. 學習圖算法
- 9. Adaline學習算法
- 10. 深度學習 - 關於咖啡的一些天真的問題
- 11. 圖像分類深度學習
- 12. Keras深度學習模型到android
- 13. 深度學習網絡的分類
- 14. 雲中深度學習的選擇iOS
- 15. 深度學習的混亂矩陣
- 16. 如何培養深度學習網絡
- 17. 製作Mozilla Firefox涉及哪些技術?
- 18. EmberJs - 如何以及在哪裏學習?
- 19. 我可以在哪裏學習生物力學算法?
- 20. 感知器學習算法
- 21. 學習回溯算法
- 22. 學習開發算法
- 23. 機器學習算法
- 24. 學習MSIL有哪些資源?
- 25. 深入學習chatbot培訓
- 26. 深q學習不收斂
- 27. 在哪裏學習計算幾何?
- 28. 爲什麼NLP和機器學習社區對深度學習感興趣?
- 29. 哪些算法我需要學習編寫縱橫文字編織器?
- 30. 機器學習算法,說哪些列車數據導致當前的決定