Slovník pojmov

Siete hlbokého presvedčenia (DBN)

Čo je Siete hlbokého presvedčenia (DBN)?

Siete hlbokého presvedčenia (DBN, deep belief networks) sú neurónové siete zložené z viacerých vrstiev nad sebou, ktoré sa najprv vrstvu po vrstve predtrénujú bez dohľadu, zvyčajne ako takzvané obmedzené Boltzmannove stroje. Geoffrey Hinton a jeho kolegovia predstavili túto metódu v roku 2006; ukázala, že hlboké siete možno trénovať efektívne, a prispela tak k vzostupu hlbokého učenia. V praxi boli DBN medzičasom z veľkej časti nahradené inými architektúrami.

Témy

neurónové siete
hlboké učenie
história AI

Vyskúšajte KI.ordo

Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.

Spustiť demo

← Všetky pojmy

Súvisiace pojmy

Hlboké učenie

Hlboké učenie je odvetvie strojového učenia, ktoré využíva umelé neurónové siete s mnohými vrstvami. Takéto siete sa z veľkého množstva údajov učia, na ktorých znakoch záleží – od hrán v obrázkoch až po významové súvislosti v textoch. Hlboké učenie je základom dnešných jazykových modelov, rozpoznávania obrazu a reči a strojového prekladu a zvyčajne si vyžaduje značný výpočtový výkon a veľa trénovacích údajov.

neurónové siete
strojové učenie
+1

Umelé neurónové siete (ANN)

Umelé neurónové siete (ANN, artificial neural networks) sú výpočtové modely zložené z mnohých prepojených jednotiek („neurónov“) usporiadaných do vrstiev, ktoré spracúvajú vstupy cez vážené spojenia. Počas trénovania sa váhy krok za krokom upravujú pomocou príkladov, zvyčajne spätným šírením chyby (backpropagation). ANN sú základom hlbokého učenia a poháňajú rozpoznávanie obrazu, rozpoznávanie reči a veľké jazykové modely. Napriek biologickej inšpirácii fungujú oveľa jednoduchšie než ľudský mozog.

Hlboké učenie
základy AI
+1

Neriadené učenie

Pri neriadenom učení model dostane dáta bez vopred daných správnych odpovedí a sám hľadá štruktúry. Typickými metódami sú zhlukovanie, ktoré zoskupuje podobné záznamy, a redukcia dimenzionality, ktorá zhustí mnoho príznakov do niekoľkých podstatných. Organizácie ju využívajú na objavovanie zákazníckych segmentov alebo odhaľovanie nezvyčajných transakcií; nájdené skupiny musia následne interpretovať odborníci z danej oblasti.

Strojové učenie
Clustering
+1