dybt neuralt netværk
Et neuralt netværk med flere skjulte lag mellem input- og outputlaget, hvilket muliggør indlæring af komplekse hierarkiske repræsentationer.
Kort fortalt
Det er et neuralt netværk med mange lag, der kan lære at genkende mønstre i data som billeder, lyd og tekst.
- Kategori
- arkitektur
- Niveau
- begynder
Betydninger
1- 1
En type neuralt netværk karakteriseret ved et stort antal skjulte lag (typisk mere end to), som kan lære hierarkiske repræsentationer af data gennem træning med backpropagation.
- Et dybt neuralt netværk med 50 lag kan identificere ansigter i billeder med høj nøjagtighed. — Teknisk rapport, 2023
- Træning af dybe neurale netværk kræver store mængder data og betydelig regnekraft.
Hvornår bruges det
Dybe neurale netværk anvendes inden for billedgenkendelse, naturlig sprogbehandling, talesyntese og mange andre områder, hvor komplekse mønstre skal læres. De trænes typisk ved hjælp af backpropagation og store datasæt.
Kodeeksempel
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
model = Sequential([
Dense(128, activation='relu', input_shape=(784,)),
Dense(64, activation='relu'),
Dense(10, activation='softmax')
])Et dybt neuralt netværk med to skjulte lag (128 og 64 neuroner) og et outputlag med 10 klasser.
Oprindelse
Udtrykket 'dyb' refererer til tilstedeværelsen af flere skjulte lag, i modsætning til 'flade' netværk med kun ét skjult lag. Begrebet blev udbredt omkring 2006-2012 med deep learning-revolutionen.
Afledte ord
2Kilder
2- LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436-444.
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.