Sự khác biệt giữa mạng lưới thần kinh và học tập sâu
Share
Các sự khác biệt chính giữa mạng lưới thần kinh và học tập sâu là Mạng lưới thần kinh hoạt động tương tự như tế bào thần kinh trong não người để thực hiện các nhiệm vụ tính toán khác nhau nhanh hơn trong khi học sâu là một loại hình học máy đặc biệt bắt chước cách tiếp cận học tập mà con người sử dụng để có được kiến thức.
Mạng lưới thần kinh giúp xây dựng các mô hình dự đoán để giải quyết các vấn đề phức tạp. Mặt khác, học sâu là một phần của học máy. Nó giúp phát triển nhận dạng giọng nói, nhận dạng hình ảnh, xử lý ngôn ngữ tự nhiên, hệ thống khuyến nghị, tin sinh học và nhiều hơn nữa. Mạng lưới thần kinh là một phương pháp để thực hiện học tập sâu.
NỘI DUNG
1. Tổng quan và sự khác biệt chính
2. Mạng thần kinh là gì
3. Học sâu là gì
4. So sánh cạnh nhau - Mạng lưới thần kinh và học tập sâu ở dạng bảng
5. Tóm tắt
Mạng lưới thần kinh là gì?
Tế bào thần kinh sinh học là nguồn cảm hứng cho các mạng lưới thần kinh. Có hàng triệu tế bào thần kinh trong não người và quá trình thông tin từ tế bào thần kinh này sang tế bào thần kinh khác. Mạng nơ-ron sử dụng kịch bản này. Họ tạo ra một mô hình máy tính tương tự như một bộ não. Nó có thể thực hiện các tác vụ phức tạp tính toán nhanh hơn một hệ thống thông thường.
Hình 01: Sơ đồ khối mạng thần kinh
Trong một mạng lưới thần kinh, các nút kết nối với nhau. Mỗi kết nối có một trọng lượng. Khi các đầu vào của các nút là x1, x2, x3, thì và các trọng số tương ứng là w1, w2, w3, tựa thì đầu vào thuần (y) là,
y = x1w1 + x2w2 + x3w3 + .
Sau khi áp dụng đầu vào ròng cho chức năng kích hoạt, nó đưa ra đầu ra. Hàm kích hoạt có thể là hàm tuyến tính hoặc sigmoid.
Y = F (y)
Nếu đầu ra này khác với đầu ra mong muốn, trọng lượng được điều chỉnh lại và quá trình này liên tục cho đến khi nhận được đầu ra mong muốn. Trọng lượng cập nhật này xảy ra theo thuật toán backpropagation.
Có hai cấu trúc liên kết mạng thần kinh được gọi là feedforward và phản hồi. Các mạng feedforward không có vòng phản hồi. Nói cách khác, các tín hiệu chỉ chảy từ đầu vào đến đầu ra. Các mạng phản hồi tiếp tục phân chia thành một mạng thần kinh một lớp và nhiều lớp.
Các loại mạng
Trong các mạng lớp đơn, lớp đầu vào kết nối với lớp đầu ra. Mạng thần kinh nhiều lớp có nhiều lớp hơn giữa lớp đầu vào và lớp đầu ra. Những lớp đó được gọi là các lớp ẩn. Loại mạng khác là mạng phản hồi có đường dẫn phản hồi. Hơn nữa, có khả năng truyền thông tin cho cả hai bên.
Hình 02: Mạng nơ ron đa lớp
Một mạng lưới thần kinh học bằng cách sửa đổi các trọng số của kết nối giữa các nút. Có ba loại học tập, chẳng hạn như học có giám sát, học không giám sát và học tăng cường. Trong học tập có giám sát, mạng sẽ cung cấp một vectơ đầu ra theo vectơ đầu vào. Vector đầu ra này được so sánh với vector đầu ra mong muốn. Nếu có sự khác biệt, các trọng số sẽ sửa đổi. Quá trình này tiếp tục cho đến khi đầu ra thực tế khớp với đầu ra mong muốn.
Trong học tập không giám sát, mạng xác định các mẫu và tính năng từ dữ liệu đầu vào và mối quan hệ cho chính dữ liệu đầu vào. Trong học tập này, các vectơ đầu vào của các loại tương tự kết hợp để tạo ra các cụm. Khi mạng nhận được một mẫu đầu vào mới, nó sẽ cung cấp cho đầu ra chỉ định lớp mà mẫu đầu vào đó thuộc về. Việc học tăng cường chấp nhận một số phản hồi từ môi trường. Sau đó, mạng thay đổi trọng lượng. Đó là những phương pháp để đào tạo một mạng lưới thần kinh. Nhìn chung, mạng lưới thần kinh giúp giải quyết các vấn đề nhận dạng mẫu khác nhau.
Học sâu là gì?
Trước khi học sâu, điều quan trọng là phải thảo luận về học máy. Nó cung cấp khả năng cho một máy tính học mà không cần lập trình rõ ràng. Nói cách khác, nó giúp tạo ra các thuật toán tự học để phân tích dữ liệu và nhận ra các mẫu để đưa ra quyết định. Nhưng, có một số hạn chế là học máy nói chung. Thứ nhất, rất khó để làm việc với dữ liệu chiều cao hoặc bộ đầu vào và đầu ra cực kỳ lớn. Cũng có thể khó thực hiện trích xuất tính năng.
Học sâu giải quyết những vấn đề này. Nó là một loại máy học đặc biệt. Nó giúp xây dựng các thuật toán học tập có thể hoạt động tương tự như bộ não của con người. Mạng lưới thần kinh sâu và mạng lưới thần kinh tái phát là một số kiến trúc học tập sâu. Một mạng lưới thần kinh sâu là một mạng lưới thần kinh với nhiều lớp ẩn. Mạng thần kinh định kỳ sử dụng bộ nhớ để xử lý chuỗi đầu vào.
Sự khác biệt giữa Mạng lưới thần kinh và Học tập sâu?
Mạng nơ-ron là một hệ thống hoạt động tương tự như các nơ-ron trong não người để thực hiện các nhiệm vụ tính toán khác nhau nhanh hơn. Học sâu là một loại hình học máy đặc biệt bắt chước phương pháp học tập mà con người sử dụng để thu thập kiến thức. Mạng lưới thần kinh là một phương pháp để đạt được học tập sâu. Mặt khác, Deep Leaning là một hình thức đặc biệt của Leaning Machine. Đây là sự khác biệt chính giữa mạng lưới thần kinh và học tập sâu
Tóm tắt - Mạng lưới thần kinh vs Học tập sâu
Sự khác biệt giữa mạng nơ-ron và học sâu là mạng nơ-ron hoạt động tương tự như nơ-ron trong não người để thực hiện các nhiệm vụ tính toán khác nhau nhanh hơn trong khi học sâu là một kiểu học máy đặc biệt bắt chước cách tiếp cận học tập mà con người sử dụng để có được kiến thức.
Tài liệu tham khảo:
1. Học hỏi Deep Learning là gì (Mạng lưới thần kinh sâu)? - Định nghĩa từ WhatIs.com. Tìm kiếm EntrypriseAI. Có sẵn ở đây
2. Học sâu. Wikipedia, Wikimedia Foundation, ngày 30 tháng 5 năm 2018. Có sẵn tại đây
3.edurekaIN. Học sâu là gì | Học sâu đơn giản hóa | Hướng dẫn học sâu | Edureka, Edureka!, Ngày 10 tháng 5 năm 2017. Có sẵn tại đây
4. Điểm hướng dẫn. Khối xây dựng mạng lưới thần kinh nhân tạo. Điểm hướng dẫn, ngày 8 tháng 1 năm 2018. Có sẵn tại đây
Hình ảnh lịch sự:
1. Mạng lưới thần kinh có lợi ích'By Geetika saini - Công việc riêng, (CC BY-SA 4.0) qua Commons Wikimedia
2.'MultiLayerNeuralNetworkBigger english'By MultiLayerNeuralNetwork_english.png: Chrislbderivative work: - HELLKNOWZ TALK enWP TALK (CC BY-SA 3.0) qua Commons
