Deep Learning

딥 러닝(심층 구조화 학습이라고도 함)은 표현 학습이 포함된 인공 신경망을 기반으로 하는 광범위한 기계 학습 방법 제품군의 일부입니다. 학습은 감독, 반 감독 또는 감독되지 않을 수 있습니다.

Deep Neural Networks, Deep Belief Networks, Deep Reinforcement Learning, Recurrent Neural Networks, Convolutional Neural Networks와 같은 딥 러닝 아키텍처는 컴퓨터 비전, 음성 인식, 자연어 처리, 기계 번역, 생물 정보학, 약물 디자인, 의료 등의 분야에 적용되었습니다. 이미지 분석, 기후 과학, 재료 검사 및 보드 게임 프로그램은 인간 전문가의 성과에 필적하거나 경우에 따라 이를 능가하는 결과를 생성했습니다.

인공 신경망(ANN)은 생물학적 시스템의 정보 처리 및 분산 통신 노드에서 영감을 받았습니다. ANN은 생물학적 뇌와 다양한 차이점이 있습니다. 특히 인공 신경망은 정적이고 상징적인 경향이 있는 반면, 대부분의 생물체의 생물학적 뇌는 동적(가소성)이고 아날로그적입니다.

딥 러닝에서 형용사 "딥"은 네트워크에서 여러 계층의 사용을 나타냅니다. 초기 작업은 선형 퍼셉트론이 보편적인 분류기가 될 수 없다는 것을 보여주었지만, 폭이 제한되지 않은 하나의 은닉층을 갖는 비다항식 활성화 함수를 갖는 네트워크는 가능함을 보여주었습니다. 딥 러닝은 제한된 크기의 무제한 레이어와 관련된 현대적인 변형으로, 온화한 조건에서 이론적 보편성을 유지하면서 실용적인 적용과 최적화된 구현을 허용합니다. 딥 러닝에서 계층은 효율성, 훈련 가능성 및 이해 가능성을 위해 이질적이고 생물학적으로 정보에 입각한 연결주의 모델에서 크게 벗어나도록 허용되며, 여기서 "구조화된" 부분입니다.