Deep learning

P: Co to jest uczenie głębokie?

O: Głębokie uczenie się jest rodzajem uczenia maszynowego, które wykorzystuje sieci neuronowe do przetwarzania informacji i często jest zorganizowane z co najmniej jedną warstwą pośrednią (ukrytą) pomiędzy warstwą wejściową i wyjściową.

P: Jakie są różne rodzaje sesji uczenia się stosowane w deep learningu?

O: Uczenie głębokie można podzielić na sesje uczenia się bez nadzoru, z nadzorem i półnadzorem.

P: Jakie są niektóre zadania, które są łatwe dla ludzi, ale trudne do wykonania przez komputery?

O: Zadania takie jak rozpoznawanie i rozumienie mowy, obrazów lub pisma ręcznego są łatwe dla ludzi, ale trudne do wykonania przez komputery.

P: Co dzieje się z informacją, gdy jest ona przetwarzana w wielowarstwowej sieci neuronowej?

O: W wielowarstwowej sieci neuronowej przetwarzane informacje stają się bardziej abstrakcyjne z każdą dodaną warstwą.

P: Czym inspirowane są modele głębokiego uczenia?

O: Modele głębokiego uczenia się są inspirowane wzorcami przetwarzania informacji i komunikacji w biologicznych systemach nerwowych.

P: Czym modele głębokiego uczenia różnią się od właściwości biologicznych mózgów?

O: Modele głębokiego uczenia się różnią się pod wieloma względami od strukturalnych i funkcjonalnych właściwości mózgu biologicznego, zwłaszcza ludzkiego, co sprawia, że są niezgodne z dowodami neurobiologii.

P: Jakie jest inne określenie głębokiego uczenia?

O: Uczenie głębokie jest również znane jako głębokie uczenie strukturalne lub uczenie hierarchiczne.