RO
AutentificareÎncepeți acum
Glosar

Deep belief networks (DBN)

Ce este Deep belief networks (DBN)?

Deep belief networks (DBN) sunt rețele neuronale formate din mai multe straturi suprapuse, pre-antrenate mai întâi strat cu strat, fără supervizare, de obicei sub forma așa-numitelor mașini Boltzmann restricționate. Geoffrey Hinton și colegii săi au introdus metoda în 2006; aceasta a arătat că rețelele profunde pot fi antrenate eficient și a contribuit astfel la ascensiunea deep learning. În practică, DBN-urile au fost între timp înlocuite în mare măsură de alte arhitecturi.

Subiecte

  • rețele neuronale
  • deep learning
  • istoria IA

Încercați KI.ordo

Agenți, fluxuri și șabloane într-un singur spațiu de lucru – demo gratuit de 24 de ore.

Porniți demo-ul
← Toți termenii

Termeni înrudiți

Deep learning

Deep learning este o ramură a machine learning care folosește rețele neuronale artificiale cu multe straturi. Astfel de rețele învață din cantități mari de date ce trăsături contează – de la muchiile din imagini până la relațiile de sens din texte. Deep learning stă la baza modelelor lingvistice actuale, a recunoașterii imaginilor și a vorbirii și a traducerii automate și necesită, de regulă, o putere de calcul și date de antrenare considerabile.

  • rețele neuronale
  • machine learning
  • +1

Rețele neuronale artificiale (RNA)

Rețelele neuronale artificiale (RNA) sunt modele de calcul formate din multe unități conectate („neuroni”), aranjate în straturi, care prelucrează intrările prin conexiuni ponderate. În timpul antrenării, ponderile sunt ajustate pas cu pas pe baza unor exemple, de obicei prin retropropagare. RNA stau la baza deep learning și alimentează recunoașterea imaginilor, recunoașterea vorbirii și modelele lingvistice de mari dimensiuni. În ciuda inspirației biologice, funcționează mult mai simplu decât creierul uman.

  • Deep learning
  • noțiuni de bază despre IA
  • +1

Învățare nesupravegheată

În învățarea nesupravegheată, un model primește date fără răspunsuri corecte predefinite și caută singur structuri. Metodele tipice sunt clusteringul, care grupează înregistrări similare, și reducerea dimensionalității, care condensează multe caracteristici în câteva esențiale. Organizațiile o folosesc pentru a descoperi segmente de clienți sau pentru a depista tranzacții neobișnuite; grupurile găsite trebuie apoi interpretate de experți în domeniu.

  • Învățare automată
  • Clustering
  • +1