Glossário

Redes de crenças profundas (DBN)

O que é Redes de crenças profundas (DBN)?

As redes de crenças profundas (DBN, do inglês deep belief networks) são redes neuronais compostas por várias camadas sobrepostas que são primeiro pré-treinadas camada a camada, sem supervisão, normalmente como as chamadas máquinas de Boltzmann restritas. Geoffrey Hinton e colegas apresentaram o método em 2006; mostrou que as redes profundas podiam ser treinadas de forma eficiente e contribuiu assim para a ascensão do deep learning. Na prática, as DBN foram entretanto largamente substituídas por outras arquiteturas.

Temas

redes neuronais
deep learning
história da IA

Experimentar o KI.ordo

Agentes, fluxos e modelos num só espaço de trabalho – demonstração gratuita de 24 horas.

Iniciar demonstração

← Todos os termos

Termos relacionados

Deep learning

O deep learning é um ramo do machine learning que utiliza redes neuronais artificiais com muitas camadas. Estas redes aprendem, a partir de grandes quantidades de dados, quais as características relevantes – desde arestas em imagens a relações de significado em textos. O deep learning está na base dos atuais modelos de linguagem, do reconhecimento de imagem e de voz e da tradução automática, e exige normalmente uma capacidade de cálculo e dados de treino consideráveis.

redes neuronais
machine learning
+1

Redes neuronais artificiais (RNA)

As redes neuronais artificiais (RNA) são modelos computacionais compostos por muitas unidades ligadas ("neurónios") dispostas em camadas, que processam entradas através de ligações ponderadas. Durante o treino, os pesos são ajustados passo a passo com exemplos, normalmente por retropropagação. As RNA são a base do deep learning e alimentam o reconhecimento de imagem, o reconhecimento de voz e os grandes modelos de linguagem. Apesar da inspiração biológica, funcionam de forma muito mais simples do que o cérebro humano.

Deep learning
Fundamentos da IA
+1

Aprendizagem não supervisionada

Na aprendizagem não supervisionada, um modelo recebe dados sem respostas corretas predefinidas e procura estruturas por conta própria. Os métodos típicos são o clustering, que agrupa registos semelhantes, e a redução de dimensionalidade, que condensa muitas características em algumas essenciais. As organizações utilizam-na para descobrir segmentos de clientes ou detetar transações invulgares; os grupos encontrados têm depois de ser interpretados por especialistas da área.

Aprendizagem automática
Clustering
+1