딥러닝 학습 예제

Comments 0 by
August 2, 2019

하드웨어의 발전으로 새로운 관심이 다시 금세 되었습니다. 2009년 엔비디아는 딥 러닝의 “빅뱅”에 관여했으며, “딥 러닝 신경망은 엔비디아 그래픽 처리 장치(GPU)로 훈련을 받았습니다.” [79] 그 해, 구글 브레인은 엔비디아 GPU를 사용하여 유능한 DNN을 만들었습니다. 그곳에서 Andrew Ng는 GPU가 딥 러닝 시스템의 속도를 약 100배 높일 수 있다고 판단했습니다. [80] 특히 GPU는 기계 학습과 관련된 매트릭스/벡터 수학에 적합합니다. [81] [82] GPU는 학습 알고리즘의 속도를 크게 향상시켜 몇 주에서 며칠로 실행 시간을 단축합니다. [83] [84] 효율적인 처리를 위해 특수 하드웨어 및 알고리즘 최적화를 사용할 수 있습니다. [85] 업계에서 딥 러닝의 영향은 2000년대 초에 CNN이 이미 미국에서 작성된 모든 수표의 약 10%에서 20%를 처리했을 때 시작되었다고 Yann LeCun은 말합니다. [68] 대규모 음성 인식에 대한 딥 러닝의 산업 응용은 2010년 경에 시작되었습니다. 감사합니다… 귀하의 블로그는 매우 흥미롭습니다. 나는 딥 러닝에서 내 연구를하고 싶어 …

당신은 나에게 연구 분야를 주의 할 수 있습니다 … 이들은 이미 존재하는 딥 러닝의 몇 가지 응용 프로그램이었습니다. 딥 러닝 모델의 추가 성장은 우리 주변의 인공 지능을 더 많이 사용할 것입니다. Futran Solutions는 위의 AI 산업 응용 분야에 생명을 불어넣는 최고의 AI 리소스와 함께 작업합니다. RPA, AI 및 딥 러닝 솔루션에 대해 자세히 알아보십시오. 2012년, George E. Dahl이 이끄는 팀은 다중 작업 심층 신경망을 사용하여 한 약물의 생체 분자 표적을 예측하는 “머크 분자 활동 챌린지”를 수상했습니다. [86] [87] 2014년 Hochreiter 그룹은 딥 러닝을 사용하여 영양소, 가정용품 및 의약품에서 환경 화학 물질의 오프 타겟 및 독성 효과를 감지하고 NIH, FDA 및 NCATS의 “Tox21 데이터 챌린지”를 수상했습니다. [88] [89] [90] 딥 러닝 머신은 언어의 방언을 구별하기 시작했다. 기계는 누군가가 영어를 말하고 있다고 결정한 다음 방언의 차이를 말하는 법을 배우는 AI를 참여시킵니다. 방언이 결정되면 다른 AI가 특정 방언을 전문으로 합니다.

이 모든 것은 인간의 개입없이 발생합니다. 확률적 해석[21]은 기계 학습 분야에서 파생됩니다. 그것은 추론,[10][11][1][2][14][21] 뿐만 아니라 피팅 및 일반화와 관련된 교육 및 테스트의 최적화 개념을 특징으로 합니다. 보다 구체적으로, 확률해석은 활성화 비선형성을 누적 분포 함수로 간주한다. [21] 확률적 해석은 신경망에서 정규화자로 중퇴를 도입하는 데 주도했다. [23] 확률적 해석은 홉필드, 위드로우, 나렌드라 를 포함한 연구진에 의해 소개되었고 주교에 의해 하나와 같은 설문 조사에서 대중화되었다. [24] 이것은 매우 유용하고 흥미롭습니다. 또한 딥 러닝, 특히 이미지 인식을 진단 분야에 적용하는 데 에도 관심이 많습니다. 예제가 있습니까? 나는이 분야에 대해 매우 궁금합니다. 이미지 분류에 대한 일반적인 평가 집합은 MNIST 데이터베이스 데이터 집합입니다. MNIST는 필기 숫자로 구성되어 있으며 60,000개의 교육 예제와 10,000개의 테스트 예제를 포함합니다.

TIMIT와 마찬가지로 크기가 작기 때문에 사용자가 여러 구성을 테스트할 수 있습니다. 이 집합의 포괄적인 결과 목록을 사용할 수 있습니다. [126] 기능 계층 구조라고 하며 복잡성과 추상화가 증가하는 계층구조입니다.