Γλωσσάριο

Βαθιά δίκτυα πεποιθήσεων (DBN)

Τι είναι Βαθιά δίκτυα πεποιθήσεων (DBN);

Τα βαθιά δίκτυα πεποιθήσεων (Deep belief networks, DBN) είναι νευρωνικά δίκτυα αποτελούμενα από πολλαπλά στοιβαγμένα στρώματα, τα οποία προεκπαιδεύονται πρώτα στρώμα προς στρώμα χωρίς επίβλεψη, συνήθως ως λεγόμενες περιορισμένες μηχανές Boltzmann. Ο Geoffrey Hinton και οι συνεργάτες του παρουσίασαν τη μέθοδο το 2006· έδειξε ότι τα βαθιά δίκτυα μπορούσαν να εκπαιδευτούν αποδοτικά και συνέβαλε έτσι στην άνοδο της βαθιάς μάθησης. Στην πράξη, τα DBN έχουν έκτοτε αντικατασταθεί σε μεγάλο βαθμό από άλλες αρχιτεκτονικές.

Θέματα

νευρωνικά δίκτυα
βαθιά μάθηση
ιστορία της ΤΝ

Δοκιμάστε το KI.ordo

Πράκτορες, ροές εργασιών και πρότυπα σε έναν χώρο εργασίας – δωρεάν επίδειξη 24 ωρών.

Έναρξη επίδειξης

← Όλοι οι όροι

Σχετικοί όροι

Βαθιά μάθηση

Η βαθιά μάθηση (deep learning) είναι ένας κλάδος της μηχανικής μάθησης που χρησιμοποιεί τεχνητά νευρωνικά δίκτυα με πολλά στρώματα. Τέτοια δίκτυα μαθαίνουν από μεγάλους όγκους δεδομένων ποια χαρακτηριστικά έχουν σημασία – από τις ακμές σε εικόνες έως τις σχέσεις νοήματος σε κείμενα. Η βαθιά μάθηση στηρίζει τα σημερινά γλωσσικά μοντέλα, την αναγνώριση εικόνας και ομιλίας και τη μηχανική μετάφραση, και συνήθως απαιτεί σημαντική υπολογιστική ισχύ και δεδομένα εκπαίδευσης.

νευρωνικά δίκτυα
μηχανική μάθηση
+1

Τεχνητά νευρωνικά δίκτυα (ANN)

Τα τεχνητά νευρωνικά δίκτυα (artificial neural networks, ANN) είναι υπολογιστικά μοντέλα που αποτελούνται από πολλές συνδεδεμένες μονάδες («νευρώνες») οργανωμένες σε στρώματα, οι οποίες επεξεργάζονται εισόδους μέσω σταθμισμένων συνδέσεων. Κατά την εκπαίδευση, τα βάρη προσαρμόζονται βήμα προς βήμα με τη βοήθεια παραδειγμάτων, συνήθως με οπισθοδιάδοση (backpropagation). Τα ANN αποτελούν το θεμέλιο της βαθιάς μάθησης και τροφοδοτούν την αναγνώριση εικόνας, την αναγνώριση ομιλίας και τα μεγάλα γλωσσικά μοντέλα. Παρά τη βιολογική τους έμπνευση, λειτουργούν πολύ απλούστερα από τον ανθρώπινο εγκέφαλο.

Βαθιά μάθηση
βασικές έννοιες ΤΝ
+1

Μη εποπτευόμενη μάθηση

Στη μη εποπτευόμενη μάθηση, ένα μοντέλο λαμβάνει δεδομένα χωρίς προκαθορισμένες σωστές απαντήσεις και αναζητά μόνο του δομές. Τυπικές μέθοδοι είναι η ομαδοποίηση (clustering), που ομαδοποιεί παρόμοιες εγγραφές, και η μείωση διαστατικότητας, που συμπυκνώνει πολλά χαρακτηριστικά σε λίγα ουσιώδη. Οι οργανισμοί τη χρησιμοποιούν για να ανακαλύπτουν τμήματα πελατών ή να εντοπίζουν ασυνήθιστες συναλλαγές· οι ομάδες που βρέθηκαν πρέπει στη συνέχεια να ερμηνευτούν από ειδικούς του τομέα.

Μηχανική μάθηση
Clustering
+1