Razlika med nevronsko mrežo in globinskim učenjem

The ključna razlika med nevronsko mrežo in globokim učenjem je to nevronska mreža deluje podobno kot nevroni v človeških možganih za hitrejše izvajanje različnih računskih nalog, medtem ko je globoko učenje posebna vrsta strojnega učenja, ki posnema učni pristop, ki ga ljudje uporabljajo za pridobivanje znanja.

Nevronska mreža pomaga graditi napovedne modele za reševanje kompleksnih težav. Po drugi strani pa je globoko učenje del strojnega učenja. Pomaga razviti prepoznavanje govora, prepoznavanje slike, obdelavo naravnega jezika, sistem priporočil, bioinformatiko in še veliko več. Nevronska mreža je metoda za izvajanje globokega učenja.

VSEBINA

1. Pregled in ključne razlike
2. Kaj je nevronska mreža
3. Kaj je globoko učenje
4. Primerjava ob strani - Nevronsko omrežje proti poglobljenemu učenju v tabeli
5. Povzetek

Kaj je nevronska mreža?

Biološki nevroni so navdih za nevronske mreže. V človeških možganih in informacijskem procesu je od nevrona do drugega več milijonov nevronov. Nevronska omrežja uporabljajo ta scenarij. Ustvarijo računalniški model, podoben možganom. Računalniško zapletene naloge lahko opravlja hitreje kot običajni sistem.

Slika 01: Diagram bloka nevronske mreže

V nevronski mreži se vozlišča povezujejo med seboj. Vsaka povezava ima težo. Če so vhodi v vozlišča x1, x2, x3,… in ustrezne uteži so w1, w2, w3,…, potem je neto vhod (y) enak,

 y = x1w1 + x2w2 + x3w3 +… .

Po uporabi neto vhoda v funkciji za aktiviranje daje izhod. Aktivacijska funkcija je lahko linearna ali sigmoidna funkcija.

Y = F (y)

Če se ta izhod razlikuje od želenega izhoda, se teža ponovno prilagodi in ta postopek traja, dokler ne dobite želenega izhoda. Ta teža posodobitve se zgodi v skladu z algoritmom za razmnoževanje.

Obstajata dve topologiji nevronske mreže, imenovani feedforward in povratne informacije. Napajalna omrežja nimajo povratne zanke. Z drugimi besedami, signali tečejo samo od vhoda do izhoda. Podatkovne mreže se nadalje delijo na enoslojne in večplastne nevronske mreže.

Vrste omrežij

V enoslojnih omrežjih se vhodni sloj poveže z izhodnim slojem. Večplastna nevronska mreža ima več plasti med vhodno in izhodno plastjo. Te plasti imenujemo skrite plasti. Druga vrsta omrežja, ki je povratna mreža, ima povratne poti. Poleg tega obstaja možnost posredovanja informacij obema stranema.

Slika 02: Večplastna nevronska mreža

Nevronska mreža se uči s spreminjanjem uteži povezave med vozlišči. Obstajajo tri vrste učenja, kot so nadzorovano učenje, nenadzorovano učenje in okrepljeno učenje. Pri nadzorovanem učenju bo omrežje zagotovilo izhodni vektor glede na vhodni vektor. Ta izhodni vektor se primerja z želenim izhodnim vektorjem. Če pride do razlike, se uteži spremenijo. Ti procesi se nadaljujejo, dokler se dejanski izhod ne ujema z želenim izhodom.

Pri nenadzorovanem učenju mreža sama prepozna vzorce in značilnosti vhodnih podatkov in razmerje do vhodnih podatkov. Pri tem učenju se vhodni vektorji podobnih vrst kombinirajo, da ustvarijo grozde. Ko omrežje dobi nov vhodni vzorec, bo podalo izhod, ki določa razred, kateremu pripada ta vhodni vzorec. Okrepitveno učenje sprejema nekaj povratnih informacij iz okolja. Nato mreža spremeni uteži. To so metode za treniranje nevronske mreže. Na splošno nevronske mreže pomagajo rešiti različne težave s prepoznavanjem vzorcev.

Kaj je globoko učenje?

Pred poglobljenim učenjem je pomembno razpravljanje o strojnem učenju. Računalniku omogoča možnost učenja brez izrecno programiranega. Z drugimi besedami, pomaga ustvariti algoritme samostojnega učenja za analizo podatkov in prepoznavanje vzorcev za sprejemanje odločitev. Je pa nekaj omejitev splošno strojno učenje. Prvič, težko je delati z velikimi dimenzijskimi podatki ali izjemno velikim naborom vhodov in izhodov. Morda bi bilo težko izvleči tudi lastnosti.

Globoko učenje rešuje te težave. Gre za posebno vrsto strojnega učenja. Pomaga pri gradnji algoritmov za učenje, ki lahko delujejo podobno kot človeški možgani. Globoke nevronske mreže in ponavljajoče se nevronske mreže so nekatere arhitekture globokega učenja. Globoka nevronska mreža je nevronska mreža z več skritimi plastmi. Ponavljajoče se nevronske mreže uporabljajo pomnilnik za obdelavo zaporedja vhodov.

Kakšna je razlika med nevronsko mrežo in globinskim učenjem?

Nevronska mreža je sistem, ki deluje podobno kot nevroni v človeških možganih, da hitreje izvajajo različne računske naloge. Globoko učenje je posebna vrsta strojnega učenja, ki posnema učni pristop, ki ga ljudje uporabljajo za pridobivanje znanja. Nevronska mreža je metoda za doseganje globokega učenja. Po drugi strani je globoko nagnjenje posebna oblika strojnega nagnjenja. To je glavna razlika med nevronsko mrežo in globokim učenjem

Povzetek - Nevronska mreža proti globokemu učenju

Razlika med nevronsko mrežo in globokim učenjem je v tem, da nevronska mreža deluje podobno kot nevroni v človeških možganih za hitrejše izvajanje različnih računskih nalog, medtem ko je globoko učenje posebna vrsta strojnega učenja, ki posnema učni pristop, ki ga ljudje uporabljajo za pridobivanje znanja.

Referenca:

1. "Kaj je globinsko učenje (globoko nevronsko omrežje)? - Opredelitev s strani WhatIs.com. " IskanjeEnterpriseAI. Na voljo tukaj 
2. "Globoko učenje." Wikipedia, fundacija Wikimedia, 30. maja 2018. Na voljo tukaj  
3.edurekaIN. Kaj je poglobljeno učenje | Poenostavljeno poglobljeno učenje | Vadnica za globinsko učenje | Edureka, Edureka !, 10. maj 2017. Na voljo tukaj   
4.Tutorialna točka. "Bloki za umetno nevronsko omrežje." Točka vaje, 8. januar 2018. Dostopno tukaj  

Vljudnost slik:

1. 'Umetna nevronska mreža' med Geetika saini - Lastno delo, (CC BY-SA 4.0) prek Commons Wikimedia  
2.'MultiLayerNeuralNetworkBigger english'By MultiLayerNeuralNetwork_english.png: Chrislbderivative work: - HELLKNOWZ ▎TALK ▎enWP TALK (CC BY-SA 3.0) prek Commons Wikimedia