Algoritma pembelajaran yang mendalam

Apa perbedaan antara jaringan kepercayaan yang dalam dan jaringan cembung yang dalam ?

— Hadooper
sumber

Deep cembung jaringan adalah arsitektur yang relatif baru dari jaringan saraf dalam , yang telah dikembangkan untuk mengatasi keterbatasan skalabilitas jaringan kepercayaan mendalam (DBN) . Anda dapat membaca lebih lanjut tentang rincian teknis arsitektur dan kinerjanya dalam makalah penelitian, misalnya, dalam makalah ini serta makalah yang relevan nanti , baik dari Microsoft Research.

Mungkin bermanfaat untuk membaca lebih banyak tentang DBN di situs akses terbuka peer-review yang menarik ini , karena lebih komprehensif daripada Wikipedia tentang topik ini. Menurut pendapat saya, bahkan gambaran yang lebih komprehensif dan menarik dari arsitektur pembelajaran mendalam di AI dapat ditemukan dalam laporan teknis ini .

— Aleksandr Blekh
sumber

menarik ..... saya akan membaca makalah itu ..... adakah implementasi open source untuk deep convex net?

— Hadooper

@hadooper: Terima kasih atas upvoting, senang Anda merasa terbantu. Tidak tahu tentang implementasi open source, setidaknya didukung oleh Microsoft. Saya sangat meragukannya, karena Microsoft menggunakan pembelajaran mendalam untuk produk-produk yang sangat kompetitif, seperti Bing dan Skype Translator: blogs.skype.com/2014/12/15/skype-translator-how-it-works .

— Aleksandr Blekh

memang .... tidak ada implementasi DCN open source yang tersedia ... !!!

— Hadooper

@ operator pesawat: Saya cukup yakin akan hal itu. Namun, saya juga cukup yakin bahwa itu hanya masalah waktu, sampai kita akan melihat beberapa implementasi open source dari DCN, mirip dengan jaringan saraf yang sudah ada dan proyek pembelajaran yang mendalam.

— Aleksandr Blekh

Peneliti Microsoft mencapai tingkat kesalahan uji 0,83% dengan DCN dan H2o mendapatkan tingkat kesalahan 0,87% dengan pembelajaran mendalam untuk dataset mnist yang sama ... (SOURCE: slideshare.net/0xdata/h2-o-deeplearningarnocandel052114 )

— hadooper