Deep Learning

การเรียนรู้เชิงลึก (หรือที่เรียกว่าการเรียนรู้แบบมีโครงสร้างเชิงลึก) เป็นส่วนหนึ่งของวิธีการเรียนรู้ด้วยเครื่องในวงกว้างโดยอิงจากโครงข่ายประสาทเทียมพร้อมการเรียนรู้แทนกัน การเรียนรู้สามารถควบคุม กึ่งควบคุม หรือไม่มีผู้ดูแล

สถาปัตยกรรมการเรียนรู้เชิงลึก เช่น โครงข่ายประสาทลึก เครือข่ายความเชื่อลึก การเรียนรู้การเสริมแรงเชิงลึก โครงข่ายประสาทที่เกิดซ้ำ และโครงข่ายประสาทเทียม ได้ถูกนำไปใช้กับสาขาต่างๆ เช่น คอมพิวเตอร์วิทัศน์ การรู้จำคำพูด การประมวลผลภาษาธรรมชาติ การแปลด้วยคอมพิวเตอร์ ชีวสารสนเทศ การออกแบบยา การแพทย์ การวิเคราะห์ภาพ วิทยาศาสตร์ภูมิอากาศ การตรวจสอบวัสดุ และโปรแกรมเกมกระดาน ซึ่งได้ผลลัพธ์ที่เทียบเคียงได้และในบางกรณีก็เหนือกว่าประสิทธิภาพของผู้เชี่ยวชาญของมนุษย์

โครงข่ายประสาทเทียม (ANN) ได้รับแรงบันดาลใจจากการประมวลผลข้อมูลและโหนดการสื่อสารแบบกระจายในระบบชีวภาพ ANN มีความแตกต่างหลากหลายจากสมองทางชีววิทยา โดยเฉพาะอย่างยิ่ง โครงข่ายประสาทเทียมมีแนวโน้มที่จะคงที่และเป็นสัญลักษณ์ ในขณะที่สมองทางชีววิทยาของสิ่งมีชีวิตส่วนใหญ่เป็นแบบไดนามิก (พลาสติก) และอะนาล็อก

คำคุณศัพท์ "ลึก" ในการเรียนรู้เชิงลึกหมายถึงการใช้หลายเลเยอร์ในเครือข่าย งานแรกแสดงให้เห็นว่า Perceptron เชิงเส้นไม่สามารถเป็นตัวแยกประเภทสากลได้ แต่เครือข่ายที่มีฟังก์ชันการเปิดใช้งานแบบ nonpolynomial ที่มีเลเยอร์ความกว้างที่ไม่มีขอบเขตซ่อนอยู่หนึ่งชั้นสามารถทำได้ การเรียนรู้เชิงลึกเป็นรูปแบบที่ทันสมัยซึ่งเกี่ยวข้องกับจำนวนชั้นของขนาดที่มีขอบเขตไม่จำกัด ซึ่งอนุญาตให้นำไปประยุกต์ใช้จริงและนำไปปฏิบัติได้อย่างเหมาะสมที่สุด ในขณะที่ยังคงความเป็นสากลทางทฤษฎีไว้ภายใต้สภาวะที่ไม่รุนแรง ในการเรียนรู้เชิงลึก เลเยอร์ต่างๆ ยังได้รับอนุญาตให้แตกต่างกันและเบี่ยงเบนไปจากแบบจำลองการเชื่อมต่อที่มีข้อมูลทางชีววิทยา เพื่อประโยชน์ของประสิทธิภาพ ความสามารถในการฝึกอบรม และความเข้าใจ ซึ่งเป็นส่วน "ที่มีโครงสร้าง"