学習の深さとは何ですか
レッツ・ディープラーニングのものの定義と深い学習の間のリンクのいくつかの方法で管理してスタート、機械学習、とAI：
ディープ学習は、多層を指し、ネットワーク、神経人工その方法とトレーニングを。層ニューラルネットワークは非線形活性化法の重みによって、マトリックスとしてのロット番号を入力して、[別の生成されたデータ出力としてセットします。それは、生物学的な神経の脳の作業メカニズムのようなものだ、のように、一緒に、人々は絵としてマークされたオブジェクトを認識と同じように、マルチ組織のリンク、適当なマトリックス量によって正確な複雑なプロセスをニューラルネットワーク「脳」を形成します。
三つのリンクは次のとおりです。
機械学習：AIの目標を達成するためのパス
ディープ学習があり、機械学習研究の新しいフィールドを、彼らのモチベーションを構築することですが、人間の脳のメカニズムは、画像、音声、テキストなどのデータを、解釈する模倣ニューラルネットワークを学習分析する人間の脳をシミュレートします。
一般的に言えば、それは世界で何が起こったのかの判断や予測を行い、その後、実際のデータを解決するためのアルゴリズムを機械学習、継続的な学習などを使用することです。この時点で、研究者は特殊な命令セットを決定するために、個人的に書き込みないソフトウェアを行い、その後、プログラムは、特定のタスクを実行でき、逆に、研究者は、マシンがタスクを実行する方法を学び、「トレーニング」、マシンをデータとアルゴリズムの多くを使用します。
機械学習の概念が早期AIの研究者は、過去数年に提案したが、決定木学習、帰納論理プログラミング、クラスタ分析（クラスタリング）、強化学習、ベイズ含め、多くの機械学習アルゴリズムの方法がありましたネットワーク。ご存知のように、誰もが本当に「強いAIは」究極の目標、初期の機械学習法を使用することで達成していない、私たちの目標にも「弱い人工知能が」到達ほど遠いもあります。
過去何年では、機械学習の最良の場合アプリケーションは、コンピュータビジョンを実現するために、「コンピュータビジョン」で、研究者はまだ手動でタスクを完了するために多くのコードを記述する必要があります。手動研究者は、このようなエッジ検出フィルタとして分類器書き込み、終了する場合、起動するオブジェクトを決定することができる唯一の方法、プログラムは、検出された物体の形状を決定することができる場合は8つの側面があり、分類器が「STOP」の文字を認識することができます。手動でハタを書かれた、研究者は、意味のある画像認識アルゴリズムを開発し、それが一時停止の標識ではないことを裁判官、確認することを学ぶことができます。
以下からの学習の深さの機械学習人工ニューラルネットワークで開発された新しいフィールド。初期の「深い」、いわゆるニューラルネットワークの複数の層を意味します。もともと深い学習は教師と教師なしニューラルネットワーク訓練された深さを学ぶために使用される自体、学習への独立したアプローチではありません。しかし、フィールドでの近年の急速な発展のために、いくつかのユニークな学習ツールはそうより多くの人々が学習の別の方法として扱われるように、（ような残留ネットワークなど）が提案されています。
初期の深さの研究では、学習過程の発現特性を解決するために、深いニューラルネットワークを使用することです。深さは、ニューラルネットワーク自体の新しい概念ではない、それは一般的に隠された複数の層を含むニューラルネットワーク構造として理解することができます。トレーニング効果DNNを改善するために、人々は、このような接続方法やニューロンの活性化関数としての側面に適切な調整を行います。