本文已使用 Google Cloud Translation API 自动翻译。
某些文档最好以原文阅读。
深度学习是人工智能中机器学习的一个子集,它的网络能够在无监督的情况下从非结构化或未标记的数据中学习。也称为深度神经学习或深度神经网络。
深度学习通过使用由互连节点层组成的人工神经网络来工作。这些节点类似于大脑中的神经元,它们能够通过调整节点之间连接的权重来学习。
第一层节点是输入层,这是将数据输入网络的地方。然后数据通过节点的隐藏层传递,在这些层中调整权重并转换数据。输出层是节点的最后一层,这是输出转换数据的地方。
深度学习有很多好处,其中包括:
深度学习能够从非结构化或未标记的数据中学习,这意味着它可用于在人类无法辨别的复杂数据中寻找模式。
深度学习能够以比人类快得多的速度学习,并且可以快速处理大量数据。
深度学习能够做出比人类更好的预测,因为它不受先验知识或经验的影响。
深度学习有一些缺点,其中一些包括:
深度学习可能是计算密集型的,需要大量数据才能准确学习。
由于使用了复杂的算法,深度学习可能难以理解和解释。
深度学习可能容易过度拟合,这意味着它可以学习数据中的噪声而不是信号。