dyb læring
En underdisciplin af maskinlæring, der anvender neurale netværk med mange lag til at lære hierarkiske repræsentationer af data.
Kort fortalt
Dybe læring er en metode, hvor computere lærer at genkende mønstre ved hjælp af mange lag i neurale netværk.
- Kategori
- begreb
- Niveau
- begynder
- Udtale
- /dyːb ˈlɛːreŋ/
Betydninger
1- 1
En type maskinlæring, der anvender kunstige neurale netværk med flere skjulte lag til at modellere komplekse mønstre i data. Dybe netværk lærer automatisk hierarkiske repræsentationer, hvor lavere lag genkender simple træk og højere lag kombinerer dem til abstrakte koncepter.
- Dyb læring har muliggjort gennembrud inden for computervision, såsom automatisk genkendelse af objekter i billeder.
- Moderne sprogmodeller som GPT er baseret på dyb læring med transformerarkitekturer.
Hvornår bruges det
Bruges især inden for billedgenkendelse, naturlig sprogbehandling og talebehandling, hvor store datamængder og kraftfuld hardware muliggør træning af dybe netværk.
Oprindelse
Udtrykket 'dyb' refererer til antallet af lag i netværket; det blev fremtrædende omkring 2006 med Hinton et al.s arbejde med deep belief networks.
Afledte ord
2Kilder
2- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.
- LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436-444.