機器學(xué)習(xí)的意義在于代替人工完成重復(fù)性工作,識別出統(tǒng)一的規(guī)則(模式)。但是對于傳統(tǒng)的機器學(xué)習(xí)來說,特征提取的難度不小(特征可以是像素、位置、方向等)。特征的準確性將在很大程度上決定大多數(shù)機器學(xué)習(xí)算法的性能。為了使特征準確,在特征工程部分需要大量的人力來調(diào)整和改進特征。完成這一系列工作的前提是,數(shù)據(jù)集中所包含的信息量是充分的,并且易于識別。如果不滿足這一前提,傳統(tǒng)的機器學(xué)習(xí)算法將在信息的雜亂中失去其性能。深度學(xué)習(xí)的應(yīng)用正是基于這個問題。它的深層神經(jīng)網(wǎng)絡(luò)使它能夠在雜波中學(xué)習(xí),自動發(fā)現(xiàn)與任務(wù)相關(guān)的特征(可以看作是自發(fā)學(xué)習(xí)的特征工程),并提取高級特征,從而大大減少了特征工程部分任務(wù)所花費的時間。
10年積累的成都網(wǎng)站建設(shè)、網(wǎng)站建設(shè)經(jīng)驗,可以快速應(yīng)對客戶對網(wǎng)站的新想法和需求。提供各種問題對應(yīng)的解決方案。讓選擇我們的客戶得到更好、更有力的網(wǎng)絡(luò)服務(wù)。我雖然不認識你,你也不認識我。但先網(wǎng)站制作后付款的網(wǎng)站建設(shè)流程,更有崇左免費網(wǎng)站建設(shè)讓你可以放心的選擇與我們合作。另一個明顯的區(qū)別是他們對數(shù)據(jù)集大小的偏好。傳統(tǒng)的機器學(xué)習(xí)在處理規(guī)則完備的小規(guī)模數(shù)據(jù)時表現(xiàn)出良好的性能,而深度學(xué)習(xí)則表現(xiàn)不好。隨著數(shù)據(jù)集規(guī)模的不斷擴大,深度學(xué)習(xí)的效果會逐漸顯現(xiàn)出來,并變得越來越好。對比如下圖所示。
當前文章:人工神經(jīng)網(wǎng)絡(luò)應(yīng)用舉例深度學(xué)習(xí)和普通的機器學(xué)習(xí)有什么區(qū)別?-創(chuàng)新互聯(lián)
本文網(wǎng)址:http://www.rwnh.cn/article14/eside.html
成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián),為您提供軟件開發(fā)、商城網(wǎng)站、全網(wǎng)營銷推廣、用戶體驗、App開發(fā)、域名注冊
聲明:本網(wǎng)站發(fā)布的內(nèi)容(圖片、視頻和文字)以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主,如果涉及侵權(quán)請盡快告知,我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場,如需處理請聯(lián)系客服。電話:028-86922220;郵箱:631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載,或轉(zhuǎn)載時需注明來源: 創(chuàng)新互聯(lián)