AI人工智能 機(jī)器學(xué)習(xí)VS深度學(xué)習(xí)

人工神經(jīng)網(wǎng)絡(luò) (ANN) 是一個(gè)高效的計(jì)算系統(tǒng)，其核心主題是從生物神經(jīng)網(wǎng)絡(luò)的類比中借鑒的。 神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)的一種模型。 在二十世紀(jì)八十年代中期和九十年代初期，神經(jīng)網(wǎng)絡(luò)中有很多重要的架構(gòu)改進(jìn)。 在本章中，您將學(xué)習(xí)更多關(guān)于深度學(xué)習(xí)的知識(shí)，這是AI的一種方法。

深度學(xué)習(xí)是作為該領(lǐng)域的一個(gè)重要競(jìng)爭(zhēng)者，從十年來(lái)爆炸性的計(jì)算增長(zhǎng)中浮現(xiàn)出來(lái)的。 因此，深度學(xué)習(xí)是一種特殊的機(jī)器學(xué)習(xí)，其算法受人腦結(jié)構(gòu)和功能的啟發(fā)。

機(jī)器學(xué)習(xí) VS 深度學(xué)習(xí)

深度學(xué)習(xí)是目前最強(qiáng)大的機(jī)器學(xué)習(xí)技術(shù)。 這是非常強(qiáng)大的，因?yàn)樗麄儗W(xué)習(xí)如何解決問(wèn)題的同時(shí)代表問(wèn)題的最佳方式。下面給出了深度學(xué)習(xí)和機(jī)器學(xué)習(xí)的比較 -

數(shù)據(jù)依賴性 第一點(diǎn)不同是基于 DL 和 ML 在數(shù)據(jù)規(guī)模增加時(shí)的性能。當(dāng)數(shù)據(jù)量很大時(shí)，深度學(xué)習(xí)算法表現(xiàn)非常好。

機(jī)器依賴性 深度學(xué)習(xí)算法需要高端機(jī)器才能完美運(yùn)行。 另一方面，機(jī)器學(xué)習(xí)算法也可以用于低端機(jī)器。

特征提取 深度學(xué)習(xí)算法可以提取高級(jí)功能，并嘗試從相同的方面學(xué)習(xí)。 另一方面，專家需要識(shí)別機(jī)器學(xué)習(xí)提取的大部分特征。

執(zhí)行時(shí)間 執(zhí)行時(shí)間取決于算法中使用的眾多參數(shù)。 深度學(xué)習(xí)比機(jī)器學(xué)習(xí)算法具有更多參數(shù)。 因此，DL 算法的執(zhí)行時(shí)間，特別是訓(xùn)練時(shí)間，遠(yuǎn)遠(yuǎn)超過(guò) ML 算法。 但是 DL 算法的測(cè)試時(shí)間少于 ML 算法。

解決問(wèn)題的方法 深度學(xué)習(xí)解決了端到端的問(wèn)題，而機(jī)器學(xué)習(xí)使用傳統(tǒng)的解決問(wèn)題的方法，即將問(wèn)題分解成多個(gè)部分。