গভীর শিক্ষা এবং বনাম সিদ্ধান্ত গাছ এবং উত্সাহদানের পদ্ধতি


18

আমি এমন কাগজপত্র বা পাঠ্যগুলির সন্ধান করছি যা তুলনা করে এবং আলোচিত হয় (হয় অভিজ্ঞত বা তাত্ত্বিকভাবে):

সঙ্গে

আরও সুনির্দিষ্টভাবে, কেউ কি এমন পাঠ্য সম্পর্কে জানেন যা গতি, নির্ভুলতা বা সংহতকরণের ক্ষেত্রে এমএল পদ্ধতিগুলির এই দুটি ব্লকের সাথে আলোচনা বা তুলনা করে? এছাড়াও, আমি এমন পাঠ্যগুলি সন্ধান করছি যা দ্বিতীয় ব্লকের মডেল বা পদ্ধতির মধ্যে পার্থক্যগুলি (উদাহরণস্বরূপ উপকারিতা এবং কনস) সংক্ষিপ্তসার বা সংক্ষিপ্ত বিবরণ দেয়।

এই ধরনের তুলনা সরাসরি সম্বোধন করে যে কোনও পয়েন্টার বা উত্তরগুলি প্রশংসিত হবে।

উত্তর:


1

আপনি যে ডেটা দেখছেন তার সম্পর্কে কি আপনি আরও সুনির্দিষ্ট হতে পারেন? এটি একটি অংশে নির্ধারণ করবে যে কোন ধরণের অ্যালগরিদম দ্রুততম রূপান্তর করবে।

বুস্টিং এবং ডিএল-এর মতো পদ্ধতির তুলনা কীভাবে করা যায় তাও আমি নিশ্চিত নই, কারণ উত্সাহ দেওয়া সত্যিই কেবল পদ্ধতির সংগ্রহ। আপনি বুস্টিংয়ের সাথে আর কোন অ্যালগরিদম ব্যবহার করছেন?

সাধারণভাবে, ডিএল কৌশলগুলি এনকোডার / ডিকোডারগুলির স্তর হিসাবে বর্ণনা করা যেতে পারে। নিরীক্ষণযোগ্য প্রাক-প্রশিক্ষণ প্রতিটি স্তরকে প্রথমে সিগন্যাল এনকোড করে, সংকেত ডিকোডিং করে পুনর্গঠন ত্রুটি পরিমাপ করে প্রাক প্রশিক্ষণ দিয়ে কাজ করে। টিউনিং এর পরে আরও ভাল পারফরম্যান্স পেতে ব্যবহার করা যেতে পারে (যেমন আপনি যদি স্ট্যাকড-অটোর কোডারগুলি ব্যবহার করেন তবে আপনি ব্যাক-প্রসারণ ব্যবহার করতে পারেন)।

ডিএল তত্ত্বের জন্য একটি ভাল সূচনা পয়েন্ট:

http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.73.795&rep=rep1&type=pdf

পাশাপাশি এই:

http://portal.acm.org/citation.cfm?id=1756025

(দুঃখিত, স্প্যাম পরিস্রাবণ সিস্টেমের কারণে শেষ লিঙ্কটি মুছতে হয়েছিল)

আমি আরবিএমগুলিতে কোনও তথ্য অন্তর্ভুক্ত করি নি, তবে সেগুলি ঘনিষ্ঠভাবে সম্পর্কিত (যদিও ব্যক্তিগতভাবে প্রথমে বুঝতে আরও কিছুটা কঠিন)।


ধন্যবাদ @ ফ (এক্স), আমি (2 ডি বা 3 ডি) পিক্সেল বিভাগ বা প্যাচগুলির শ্রেণিবিন্যাসে আগ্রহী, তবে আমি মূল প্রশ্নটি যতটা সম্ভব সাধারণভাবে রাখতে চেয়েছিলাম। বিভিন্ন ধরণের ডেটাসেটে যদি বিভিন্ন পদ্ধতিগুলি সর্বোত্তমভাবে কাজ করে তবে আমি এই পার্থক্যগুলি সমাধান করে একটি আলোচনায় আগ্রহী।
আমেলিও ওয়াজকেজ-রেইনা

1
সাধারণত ইমেজ প্রসেসিংয়ের ক্ষেত্রে, ডিএল পদ্ধতিগুলি বৈশিষ্ট্য নিষ্কর্ষক হিসাবে কাজ করবে যা এরপরে শ্রেণিবদ্ধকরণের জন্য এসভিএমগুলির সাথে যুক্ত করা যায়। এই পদ্ধতিগুলি সাধারণত SIFT, SURF, এবং HOG এর মতো হ্যান্ড ইঞ্জিনিয়ার পদ্ধতির সাথে তুলনীয়। ডিএল পদ্ধতিগুলি গেটেড সিআরবিএম, এবং আইএসএ সহ ভিডিওতে প্রসারিত করা হয়েছে। হ্যান্ড-ইঞ্জিনিয়ারড পদ্ধতিতে HOG / HOF, HOG3d এবং eSURF অন্তর্ভুক্ত রয়েছে (ভাল তুলনার জন্য ওয়াং এট আল। 2009 দেখুন)।
ব্যবহারকারী5268

1

দুর্দান্ত প্রশ্ন! অভিযোজিত বুস্টিং এবং গভীর শিক্ষা উভয়ই সম্ভাব্য শিক্ষণ নেটওয়ার্ক হিসাবে শ্রেণীবদ্ধ করা যেতে পারে। পার্থক্যটি হ'ল "গভীর শিক্ষা" বিশেষত এক বা একাধিক "নিউরাল নেটওয়ার্ক" জড়িত, অন্যদিকে "বুস্টিং" একটি "মেটা-লার্নিং অ্যালগরিদম" যার জন্য এক বা একাধিক লার্নিং নেটওয়ার্কের দরকার হয়, দুর্বল শিখানো বলা হয়, যা "কিছু" হতে পারে (যেমন) নিউরাল নেটওয়ার্ক, সিদ্ধান্ত গাছ ইত্যাদি)। বুস্টিং অ্যালগরিদম তার এক বা একাধিক দুর্বল লার্নার নেটওয়ার্ককে "শক্তিশালী শিক্ষানবিস" নামে পরিচিত করে তোলে যা সামগ্রিক শেখার নেটওয়ার্কের ফলাফলগুলি (যেমন মাইক্রোসফ্টের ভায়োলা এবং জোনস ফেস ডিটেক্টর, ওপেনসিভি) উল্লেখযোগ্যভাবে "উত্সাহিত" করতে পারে।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.