Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту

Книгу Яна Гудфеллоу (Ian Goodfellow) (мы познакомимся с ним в главе 3), Иошуа Бенджио (Yoshua Bengio) (см. рис. 1.10) и Аарона Курвилля (Aaron Courville) «Deep Learning»

лубокое обучение предполагает создание сети, в которой искусственные нейроны — как правило, тысячи, миллионы и даже больше — распределены, по крайней мере, по нескольким слоям.

ew York Open Statistical Programming Meetup»,

(«R for Everyone», «Pandas for Everyone», «Programming Skills for Data Science» и «Machine Learning with Python for Everyone»)

Так же, как и другие книги этой серии («R for Everyone», «Pandas for Everyone», «Programming Skills for Data Science» и «Machine Learning with Python for Everyone»),

Проектирование признаков — преобразование исходных данных во входные переменные — часто преобладает в сфере традиционного машинного обучения. В глубоком обучении этап проектирования признаков почти полностью отсутствует, а большая часть времени расходуется на разработку и настройку моделей

Обратное распространение способствует эффективному обучению искусственных нейронов во всех слоях в модели глубокого обучения

На верхней шкале, выделенной синим цветом, отмечены моменты появления зрения у трилобитов и публикации статьи Хьюбела и Визеля в 1959 году об иерархической природе первичной зрительной коры головного мозга, о чем рассказывалось в предыдущем разделе. Шкала, представляющая развитие компьютерного зрения, разделена на два параллельных потока, соответствующие двум альтернативным подходам

Альтернативный подход к объединению (субдискретизации) для уменьшения сложности вычислений — использование сверточного слоя с бóльшим шагом (связь длины шага и выходного размера показана в уравнении 10.3). Этот аспект можно с успехом использовать в некоторых специализированных задачах компьютерного зрения (например, в генеративно-состязательных сетях, которые мы будем создавать в главе 12), дающих лучшие результаты без применения слоев субдискретизации.

Узнать размер будущей карты активаций можно с помощью следующего уравнения: