เครือข่ายประสาทเทียมและการเรียนรู้ลึก ๆ คืออะไร

เครือข่ายประสาทเทียม และ การเรียนรู้อย่างลึกซึ้ง

เป็นคำศัพท์ที่ใช้กันทั่วไปสองคำที่ใช้กันอยู่ในปัจจุบันด้วย Artificial Intelligence ความคืบหน้าล่าสุดในโลกของปัญญาประดิษฐ์สามารถนำมาประกอบกับทั้งสองได้เนื่องจากมีบทบาทสำคัญในการปรับปรุงสติปัญญาของ AI

มองไปรอบ ๆ และคุณจะได้พบกับเครื่องอัจฉริยะมากขึ้นรอบ ๆ ด้วยเครือข่ายประสาทเทียมและการเรียนรู้ลึกงานและความสามารถที่เคยคิดว่าปัจจุบันมนุษย์มีกำลังดำเนินการโดยเครื่องจักร วันนี้เครื่องจักรไม่ได้ทำมาก่อนเพื่อกินอาหารที่มีขั้นตอนวิธีที่ซับซ้อนมากขึ้น แต่พวกเขาจะได้รับการเลี้ยงดูให้พัฒนาเป็นระบบการเรียนรู้ด้วยตนเองที่มีความสามารถในการปฏิวัติอุตสาหกรรมจำนวนมากทั่วทุกแห่ง เครือข่ายประสาทเทียม และ ลึก การเรียนรู้

ได้ให้ความสำคัญกับนักวิจัยในงานต่างๆเช่นการจดจำภาพการจดจำเสียงพูดการค้นหาความสัมพันธ์ที่ลึกขึ้นในชุดข้อมูล ช่วยในการระบุรูปแบบที่ซับซ้อนเรียนรู้วิธีวางแผนกลยุทธ์และจัดทำแผนฉุกเฉินในแบบเรียลไทม์

ดังนั้นวิธีนี้ไม่ว่าจะเป็นอย่างไร งาน? คุณรู้หรือไม่ว่าทั้งสองเครือข่ายกลางและการเรียนรู้ลึกที่เกี่ยวข้องในความเป็นจริงที่จะเข้าใจการเรียนรู้ลึกคุณต้องเข้าใจเกี่ยวกับโครงข่ายประสาทเทียม? อ่านต่อเพื่อทราบข้อมูลเพิ่มเติม

เครือข่ายประสาทเทียมคืออะไร

เครือข่ายประสาทเทียมคือรูปแบบการเขียนโปรแกรมหรือชุดอัลกอริทึมที่ทำให้คอมพิวเตอร์สามารถเรียนรู้จากข้อมูลเชิงสังเกตได้ เครือข่ายประสาทเทียมคล้ายกับสมองของมนุษย์ซึ่งทำงานโดยการจดจำรูปแบบต่างๆ ข้อมูลทางประสาทสัมผัสถูกตีความโดยใช้การรับรู้การติดฉลากหรือการจัดกลุ่มข้อมูลดิบ รูปแบบที่ได้รับการยอมรับเป็นตัวเลขล้อมรอบในเวกเตอร์ซึ่งมีการแปลข้อมูลเช่นภาพเสียงข้อความและอื่น ๆ

Think Neural Network! คิดว่าการทำงานของสมองของมนุษย์

ดังที่ได้กล่าวมาแล้วข้างต้นเครือข่ายประสาทมีหน้าที่เหมือนกับสมองของมนุษย์ จะได้รับความรู้ทั้งหมดผ่านกระบวนการเรียนรู้ หลังจากนั้นน้ำหนักของ synaptic จะเก็บความรู้ที่ได้รับไว้ ในระหว่างกระบวนการเรียนรู้น้ำหนักของ synaptic ของเครือข่ายจะได้รับการปฏิรูปเพื่อให้บรรลุวัตถุประสงค์ที่ต้องการ

เช่นเดียวกับสมองมนุษย์ Neural Networks ใช้งานได้เช่นระบบประมวลผลข้อมูลคู่ขนานที่ไม่ใช่เชิงเส้นซึ่งจะทำการคำนวณอย่างรวดเร็วเช่นการจดจำรูปแบบและ ความเข้าใจ เป็นผลให้เครือข่ายเหล่านี้ทำงานได้เป็นอย่างดีในด้านต่างๆเช่นการรู้จำเสียงพูดและภาพที่สัญญาณอินพุท / สัญญาณมีความเป็นเชิงเส้นอย่างไม่ต่อเนื่อง

ในคำพูดง่ายๆคุณสามารถจำ Neural Network เป็นสิ่งที่สามารถเก็บความรู้เช่นมนุษย์ได้ สมองและใช้ในการคาดคะเน

โครงข่ายโครงข่ายประสาทเทียม

(Image Credit: Mathworks)

1. โครงข่ายประสาทเทียมประกอบด้วยสามชั้น
2. ชั้นนำเข้า
3. ชั้นซ่อนและ

ชั้นผลผลิต

แต่ละชั้นประกอบด้วยโหนดหนึ่งหรือหลายโหนดตามที่แสดงในแผนภาพด้านล่างโดยวงกลมขนาดเล็ก เส้นระหว่างโหนดแสดงการไหลของข้อมูลจากโหนดหนึ่งไปยังอีก ข้อมูลจะไหลจากอินพุตไปยังเอาท์พุทคือจากซ้ายไปขวา (ในบางกรณีอาจเป็นจากขวาไปซ้ายหรือทั้งสองวิธี)

โหนดของเลเยอร์อินพุทเป็นแบบพาสซีฟซึ่งหมายความว่าไม่ได้ปรับเปลี่ยนข้อมูล. พวกเขาได้รับค่าเดียวในการป้อนข้อมูลของพวกเขาและซ้ำค่าไปยังผลลัพธ์หลายรายการของพวกเขา ขณะที่โหนดของเลเยอร์ที่ซ่อนและเอาต์พุตทำงานอยู่ ดังนั้นพวกเขาจึงสามารถปรับเปลี่ยนข้อมูลได้

ในโครงสร้างที่เชื่อมต่อกันค่าจากชั้นอินพุตจะถูกทำซ้ำและส่งไปยังโหนดที่ซ่อนอยู่ทั้งหมด ค่าที่ป้อนโหนดที่ซ่อนอยู่จะคูณด้วยน้ำหนักชุดตัวเลขที่กำหนดไว้ล่วงหน้าที่เก็บไว้ในโปรแกรม ป้อนข้อมูลที่ถ่วงน้ำหนักจะถูกเพิ่มเข้าไปเพื่อสร้างหมายเลขเดี่ยว เครือข่ายประสาทเทียมสามารถมีจำนวนเลเยอร์และจำนวนโหนดต่อเลเยอร์ได้ แอพพลิเคชันส่วนใหญ่ใช้โครงสร้างสามชั้นซึ่งมีโหนดอินพุตได้ไม่น้อยกว่าร้อยละ 100

ตัวอย่างเครือข่ายประสาทเทียม

พิจารณาเครือข่ายประสาทรับรู้วัตถุในสัญญาณโซนาร์และมีตัวอย่างสัญญาณ 5000 ตัวที่เก็บอยู่ในพีซี พีซีต้องพิจารณาว่าตัวอย่างเหล่านี้เป็นตัวแทนเรือดำน้ำปลาวาฬภูเขาน้ำแข็งหินทะเลหรือไม่มีอะไรเลย วิธีการแบบ DSP ทั่วไปจะใช้ปัญหานี้กับคณิตศาสตร์และอัลกอริทึมเช่นการวิเคราะห์ความสัมพันธ์และความถี่สเปกตรัม

ในขณะที่มีโครงข่ายประสาทเทียม 5000 ตัวอย่างจะถูกป้อนเข้าสู่ชั้นรับข้อมูลส่งผลให้ค่าที่เกิดขึ้นจากเลเยอร์เอาท์พุท เอาต์พุตสามารถกำหนดค่าให้รายงานข้อมูลได้หลากหลาย (ใช่ / ไม่ใช่), ทะเลหิน (ใช่ / ไม่ใช่), วาฬ (ใช่ / ไม่ใช่) ฯลฯ

ด้วยน้ำหนักอื่น ๆ ผลลัพธ์สามารถจัดประเภทวัตถุเป็นโลหะหรือไม่ก็ได้ ศัตรูทางชีววิทยาหรือไม่ใช่ทางชีวภาพหรือพันธมิตรเป็นต้นไม่มีขั้นตอนวิธีไม่มีกฎไม่มีขั้นตอนใด ๆ เฉพาะความสัมพันธ์ระหว่างอินพุตและเอาต์พุตที่กำหนดโดยค่าของน้ำหนักที่เลือก

ตอนนี้ขอทำความเข้าใจเกี่ยวกับแนวคิดเรื่องการเรียนรู้ลึก ๆ

การเรียนรู้แบบลึกคืออะไร

การเรียนรู้ลึก ๆ นั้นเป็นส่วนย่อยของเครือข่ายประสาทเทียม; บางทีคุณอาจบอกว่ามีเครือข่ายประสาทที่ซับซ้อนซึ่งมีชั้นซ่อนอยู่มากมาย

เทคนิคการพูดการเรียนรู้ลึก ๆ สามารถกำหนดเป็นชุดของเทคนิคที่มีประสิทธิภาพในการเรียนรู้ในเครือข่ายประสาท หมายถึงเครือข่ายประสาทเทียม (ANN) ที่ประกอบด้วยหลายชั้นชุดข้อมูลขนาดใหญ่ฮาร์ดแวร์คอมพิวเตอร์ที่มีประสิทธิภาพเพื่อสร้างโมเดลการฝึกอบรมที่มีความซับซ้อนเป็นไปได้ มันมีชั้นของวิธีการและเทคนิคที่ใช้เครือข่ายประสาทเทียมที่มีหลายชั้นของการทำงานที่ร่ำรวยมากขึ้น

โครงข่ายของเครือข่ายการเรียนรู้ลึก

เครือข่ายการเรียนรู้แบบลึกใช้โครงสร้างเครือข่ายประสาทเทียมและมักเรียกกันว่าโครงข่ายประสาทเทียมลึก. การใช้งาน "ลึก" หมายถึงจำนวนของเลเยอร์ที่ซ่อนอยู่ในเครือข่ายประสาท เครือข่ายประสาททั่วไปมีสามชั้นที่ซ่อนอยู่ในขณะที่เครือข่ายลึกสามารถมีได้มากถึง 120-150

การเรียนรู้อย่างลึกซึ้งเกี่ยวข้องกับการให้ระบบคอมพิวเตอร์มีข้อมูลจำนวนมากซึ่งสามารถใช้เพื่อตัดสินใจเกี่ยวกับข้อมูลอื่น ๆ ข้อมูลนี้ถูกป้อนผ่านทางเครือข่ายประสาทเช่นในกรณีของการเรียนรู้ด้วยเครื่อง เครือข่ายการเรียนรู้ในระดับลึกสามารถเรียนรู้คุณลักษณะต่างๆได้โดยตรงจากข้อมูลโดยไม่จำเป็นต้องมีการสกัดคุณลักษณะด้วยตนเอง

ตัวอย่างการเรียนรู้อย่างลึกซึ้ง

• การเรียนรู้อย่างลึกซึ้งกำลังถูกนำมาใช้ในเกือบทุกอุตสาหกรรมโดยเริ่มจาก Automobile, Aerospace, and Automation to Medical นี่คือตัวอย่างบางส่วน
• Google, Netflix และ Amazon: Google ใช้ในอัลกอริทึมการรับรู้เสียงและเสียง Netflix และ Amazon ใช้การเรียนรู้อย่างลึกซึ้งเพื่อตัดสินใจว่าต้องการดูอะไรหรือซื้อต่อไป
• การขับรถโดยไม่มีไดรเวอร์: นักวิจัยใช้เครือข่ายการเรียนรู้ลึก ๆ เพื่อตรวจจับวัตถุต่างๆเช่นป้ายหยุดและสัญญาณไฟจราจรโดยอัตโนมัติ การเรียนรู้แบบลึกจะใช้ในการตรวจจับคนเดินเท้าซึ่งจะช่วยลดอุบัติเหตุ
• อวกาศและการป้องกัน: การเรียนรู้ลึก ๆ ถูกใช้เพื่อระบุวัตถุจากดาวเทียมที่ค้นหาพื้นที่ที่น่าสนใจและระบุบริเวณที่ปลอดภัยหรือไม่ปลอดภัยสำหรับทหาร
• Deep Learning Facebook จะค้นหาและแท็กเพื่อนในรูปภาพของคุณโดยอัตโนมัติ Skype สามารถแปลการสื่อสารแบบพูดได้แบบเรียลไทม์และถูกต้องด้วย
• การวิจัยทางการแพทย์: นักวิจัยทางการแพทย์กำลังใช้การเรียนรู้อย่างลึกซึ้งเพื่อตรวจหาเซลล์มะเร็งโดยอัตโนมัติ
• Automation อุตสาหกรรม: การเรียนรู้ลึก ๆ จะช่วยปรับปรุงความปลอดภัยของคนงาน การตรวจจับเมื่อผู้คนหรือวัตถุอยู่ในระยะที่ไม่ปลอดภัยของเครื่องจักร

อิเล็กทรอนิกส์: การเรียนรู้อย่างลึกซึ้งถูกนำมาใช้ในการแปลและการพูดโดยอัตโนมัติ

บทสรุป

แนวคิดเกี่ยวกับโครงข่ายประสาทเทียมนั้นไม่ใช่เรื่องใหม่และนักวิจัยได้พบ กับความสำเร็จปานกลางในทศวรรษที่ผ่านมาหรือดังนั้น แต่เปลี่ยนเกมที่แท้จริงได้รับการวิวัฒนาการของเครือข่ายประสาทลึก

โดย out-performing วิธีการเรียนรู้เครื่องแบบดั้งเดิมได้เปิดตัวว่าเครือข่ายประสาทลึกสามารถผ่านการฝึกอบรมและ trialed ไม่เพียง แต่โดยนักวิจัยไม่กี่ แต่ก็มีขอบเขตที่จะ ได้รับการยอมรับจาก บริษัท เทคโนโลยีข้ามชาติให้มาพร้อมกับนวัตกรรมที่ดีขึ้นในอนาคตอันใกล้นี้