到目前为止,我知道深度学习是机器学习的一个子集。我知道一些算法,它的实现像机器学习中的KNN,朴素贝叶斯等。是否有任何特定的算法来表示和实施深度学习?哪些算法涉及深度学习?
-4
A
回答
8
混合特定ML概念的“算法”,“方法”,“模型”和“实现”的概念是一种常见的错误概念。 ML社区中定义的大多数事物是模型或方法,而不是算法或实现。粗略地说:
- 模型是表示数学方程式/公式的形式实际,真实进程的形式。一个这样的模型可以是最近邻分类器或线性分类
- 方法往往是一个形式接近使用的一些数据(像例如梯度法的找到模型的参数的问题的优化,常常被用来训练ML车型)
- 算法是指令集,经常在显示一种需要,为了做到精确的操作一些伪代码来创建的一些实施给定方法。
- 终于实施是其中之一,特别是一段代码其中实现一些抽象的算法
所以,现在,深度学习只是在ML,这还没有明确的定义,一个笼统的概念,虽然它通常用于涉及模型,涉及数据表示的分层抽象以及培训这些模型的方法。
最常见的DL型号深层神经网络,换句话说神经网络其中有多个(它是多少?的公开辩论,有人说5,其他10或30)非线性隐藏层。一些机型包括:
- 深玻尔兹曼机(DBM)
- 深自动编码器(DAE)
- 深卷积神经网络(DCNN)
- 回归神经网络(RNN)
一般模型可以是深,并且可以有方法,算法为深度学习或实现算法对于深度学习。一些这样的算法是
- 对比发散(CD)这是用来列车DBMS
- 持久Constrastive发散(PCD)
。
1
深度学习是机器学习的一个子集,灵感来源于人类大脑的工作。它涉及培养大量构建一个模型的神经元,然后使用这个模型预测一些新的观察结果。 深学习有两个类别的学习涉及各种类型的模型(不应该被提到的算法)的如下所述:在监督下即给予大的输入和输出数据集学习:
- 监督深度学习并训练模型,然后使用这个训练模型来预测新数据观测的输出。 主要有三种类型的深度学习模式
人工神经网络的:用于回归和分类。示例简单文本数据。
卷积神经网络:用于图像分类和计算机视觉。
经常性神经网络:用于时间序列分析和长期短期记忆。从一种语言到另一种语言的翻译示例
- 无监督深度学习:学习自己。有主要三种型号:
自组织映射:用于特征检测
深玻尔兹曼机:用于推荐系统
自动编码器:用于推荐系统
相关问题
- 1. 如果不涉及“学习”,算法可以分类为“无监督学习”吗?
- 2. SDLC涉及哪些文件?
- 3. 深度Q学习算法中的phi是什么
- 4. Rapidminer中的深度学习算法的类型是什么?
- 5. 哪个深度学习库支持在手机上使用的深度学习模型的压缩?
- 6. 哪些需要学习Android?
- 7. 如何应用UI学习自动化的深度学习?
- 8. 学习图算法
- 9. Adaline学习算法
- 10. 深度学习 - 关于咖啡的一些天真的问题
- 11. 图像分类深度学习
- 12. Keras深度学习模型到android
- 13. 深度学习网络的分类
- 14. 云中深度学习的选择iOS
- 15. 深度学习的混乱矩阵
- 16. 如何培养深度学习网络
- 17. 制作Mozilla Firefox涉及哪些技术?
- 18. EmberJs - 如何以及在哪里学习?
- 19. 我可以在哪里学习生物力学算法?
- 20. 感知器学习算法
- 21. 学习回溯算法
- 22. 学习开发算法
- 23. 机器学习算法
- 24. 学习MSIL有哪些资源?
- 25. 深入学习chatbot培训
- 26. 深q学习不收敛
- 27. 在哪里学习计算几何?
- 28. 为什么NLP和机器学习社区对深度学习感兴趣?
- 29. 哪些算法我需要学习编写纵横文字编织器?
- 30. 机器学习算法,说哪些列车数据导致当前的决定