আমি এআই স্ট্যাকএক্সচেঞ্জটি ব্রাউজ করছিলাম এবং খুব অনুরূপ একটি প্রশ্ন জুড়েছিলাম : অন্যান্য স্নায়ুবিক নেটওয়ার্কগুলির থেকে "ডিপ লার্নিং" কে কী আলাদা করে?
যেহেতু এআই স্ট্যাকএক্সচেঞ্জ আগামীকাল (আবার) বন্ধ হবে, আমি এখানে দুটি শীর্ষ উত্তর অনুলিপি করব (ব্যবহারকারীর অবদানগুলি সিসি বাই-সা 3.0 এর অধীন লাইসেন্সযুক্ত অ্যাট্রিবিউশন সহ):
লেখক: mommi84less
দুটি প্রশংসিত 2006 সালের গবেষণাপত্র গবেষণা আগ্রহকে গভীর শিক্ষায় ফিরিয়ে এনেছিল। "গভীর বিশ্বাসের জালগুলির জন্য একটি দ্রুত শিক্ষার অ্যালগরিদম" -তে , লেখকগণ একটি গভীর বিশ্বাসের জালকে এভাবে সংজ্ঞায়িত করেছেন:
[...] ঘন-সংযুক্ত বিশ্বাসের জাল রয়েছে যার অনেকগুলি গোপন স্তর রয়েছে।
" গভীর নেটওয়ার্কের লোভী স্তর-বুদ্ধিমান প্রশিক্ষণ " তে গভীর নেটওয়ার্কগুলির জন্য আমরা প্রায় একই বর্ণনা পাই :
গভীর মাল্টি-লেয়ার নিউরাল নেটওয়ার্কগুলিতে অনেকগুলি স্তরবিহীন স্তর রয়েছে [...]
তারপরে, জরিপ গবেষণাপত্রে "প্রতিনিধিত্ব শিক্ষা: একটি পর্যালোচনা এবং নতুন দৃষ্টিভঙ্গি" , গভীর কৌশলগুলি সমস্ত কৌশলকে আবদ্ধ করতে ব্যবহৃত হয় ( এই আলোচনাটিও দেখুন ) এবং এটি সংজ্ঞায়িত হয়েছে:
[...] উপস্থাপনের একাধিক স্তর তৈরি করা বা বৈশিষ্ট্যগুলির একটি শ্রেণিবিন্যাস শেখা।
উপরের লেখকরা একাধিক অ-রৈখিক লুকানো স্তরগুলির হাইলাইট করার জন্য "গভীর" বিশেষণটি ব্যবহার করেছিলেন ।
লেখক: লেজলট
শুধু @ mommi84 উত্তর যুক্ত করতে।
গভীর শেখা স্নায়বিক নেটওয়ার্কের মধ্যে সীমাবদ্ধ নয় । এটি কেবল হিন্টনের ডিবিএন ইত্যাদির চেয়ে আরও বিস্তৃত ধারণা Deep
উপস্থাপনের একাধিক স্তর গঠন বা বৈশিষ্ট্যগুলির শ্রেণিবদ্ধতা শিখতে।
সুতরাং এটি শ্রেণিবিন্যাসিক উপস্থাপনা শেখার
অ্যালগরিদমগুলির একটি নাম । লুকানো মার্কভ মডেলস, শর্তসাপেক্ষ র্যান্ডম ফিল্ডস, সাপোর্ট ভেক্টর মেশিন ইত্যাদির উপর ভিত্তি করে গভীর মডেল রয়েছে common কেবলমাত্র সাধারণ বিষয়টি হ'ল ('90 এর দশকে জনপ্রিয়) ফিচার ইঞ্জিনিয়ারিংয়ের পরিবর্তে , যেখানে গবেষকরা বৈশিষ্ট্যগুলির সেট তৈরি করার চেষ্টা করছেন, যা হ'ল কিছু শ্রেণিবদ্ধকরণ সমস্যা সমাধানের জন্য সেরা - এই মেশিনগুলি কাঁচা ডেটা থেকে তাদের নিজস্ব উপস্থাপনা তৈরি করতে পারে। বিশেষত - চিত্র স্বীকৃতিতে প্রয়োগ করা (কাঁচা চিত্র) তারা পিক্সেল সমন্বিত একাধিক স্তরের উপস্থাপনা উত্পাদন করে, তারপরে লাইনগুলি, তারপরে নাক, চোখ এবং অবশেষে - সাধারণযুক্ত মুখগুলির মতো বৈশিষ্ট্যগুলি (যদি আমরা মুখের সাথে কাজ করছি)। যদি প্রাকৃতিক ভাষা প্রক্রিয়াকরণের ক্ষেত্রে প্রয়োগ করা হয় - তারা ভাষার মডেল তৈরি করে, যা শব্দগুলিকে খণ্ডগুলিতে, বাক্যগুলিকে বাক্যগুলিতে সংযুক্ত করে etc.
আরও একটি আকর্ষণীয় স্লাইড:
সূত্র
