aug 02, 2019
admin
0
29

deep learning 예제

딥 러닝이라는 용어는 1986년 Rina Dechter에 의해 기계 학습 커뮤니티에 소개되었으며,[25][13] 그리고 부울 임계값 뉴런의 맥락에서 2000년에 이고르 아이젠버그와 동료들에 의해 인공 신경망에 도입되었습니다. [26] [27] 산업 자동화: 딥 러닝은 사람이나 물체가 기계의 안전하지 않은 거리 내에 있을 때 자동으로 감지하여 중장비 주변의 작업자 안전을 개선하는 데 도움이 됩니다. 다른 딥 러닝 작업 아키텍처, 특히 컴퓨터 비전을 위해 만들어진 아키텍처는 1980년 후쿠시마 쿠니히코가 도입한 네오코그니트론에서 시작되었습니다. [30] 1989년, Yann LeCun 등은 1970년부터 자동 분화의 역모드로 사용되었던 표준 역전파 알고리즘을 적용했는데, 이는 필기 우편 번호를 인식할 목적으로 깊은 신경망에 적용되었습니다.[31][32][34][34]] 메일. 알고리즘이 작동하는 동안 교육에는 3 일이 필요했습니다. [35] 인간이 흑백 이미지와 비디오에 색상을 손으로 추가해야 하는 매우 시간이 많이 소요되는 프로세스였던 것은 이제 딥 러닝 모델로 자동으로 수행될 수 있습니다. 옥스포드 비주얼 지오메트리 그룹은 딥 러닝을 사용하여 ”야생에서 텍스트를 읽습니다”. 이것은 우리가 BBC 뉴스 비디오에서 텍스트를 검색 할 수 있도록 구글을 확장하기 위해 사진과 비디오에서 텍스트를 읽으려는 시도입니다. 아래 검색을 눌러 사용해 보십시오. 딥 러닝이 어려운 문제 영역의 범위에서 최첨단 결과를 달성하고 있다고 말하는 것은 과장된 것입니다. 사실, 뿐만 아니라 과장. 딥 러닝의 또 다른 인상적인 기능은 이미지를 식별하고 인간이 쓰는 것처럼 해당 이미지에 대한 적절한 문장 구조로 일관된 캡션을 만드는 것입니다.

딥 러닝 기반 이미지 인식은 ”초인간”이 되어 인간 참가자보다 더 정확한 결과를 생성합니다. 이것은 2011년에 처음 일어났습니다. [127] 또 다른 주요 차이점은 딥 러닝 알고리즘이 데이터와 함께 확장되는 반면 얕은 학습은 수렴된다는 점입니다. 얕은 학습은 네트워크에 더 많은 예제 및 학습 데이터를 추가할 때 특정 수준의 성능으로 고원해지는 기계 학습 방법을 말합니다. 클러스터링 또는 그룹화는 유사성을 검색하는 것입니다.

POST CATEGORIES

Okategoriserade