Deep learning
A aprendizaxe profunda tamén chamada aprendizaxe estruturada profunda ou aprendizaxe xerárquica (en inglés deep learning, deep structured learning ou hierarchical learning) é un tipo de aprendizaxe automática, que se usa principalmente con certos tipos de redes neuronais artificiais.[1] Como ocorre con outros tipos de aprendizaxe automática, as sesións de aprendizaxe poden ser sen supervisión, semisupervisadas ou supervisadas. En moitos casos, as estruturas organízanse de xeito que haxa polo menos unha capa intermedia (ou capa oculta), entre a capa de entrada e a capa de saída.
Algunhas tarefas, como recoñecer e comprender a fala, as imaxes ou a caligrafía, son fáciles de facer para os humanos. Porén, para un ordenador estas tarefas son moi difíciles de facer. Nunha rede neuronal multicapa (que ten máis de dúas capas), a información procesada farase máis abstracta con cada capa engadida.
Os modelos de aprendizaxe profunda están inspirados nos patróns de procesamento da información e comunicación nos sistemas nerviosos biolóxicos; son diferentes das propiedades estruturais e funcionais dos cerebros biolóxicos (especialmente do cerebro humano) en moitos aspectos, o que os fai incompatibles coas evidencias da neurociencia. [2] [3]
Notas
- ↑ "Deep-learning". databasecamp.de.
- ↑ Marblestone, Adam H.; Wayne, Greg; Kording, Konrad P. (2016-09-14). "Toward an Integration of Deep Learning and Neuroscience". Frontiers in Computational Neuroscience (en English) 10. ISSN 1662-5188. PMC 5021692. PMID 27683554. doi:10.3389/fncom.2016.00094.
- ↑ Olshausen, Bruno A.; Field, David J. (1996-06). "Emergence of simple-cell receptive field properties by learning a sparse code for natural images". Nature (en inglés) 381 (6583): 607–609. ISSN 1476-4687. doi:10.1038/381607a0.