1.Deep learning is a branch of mach

1.Deep learning is a branch of machine learning based on a set of algorithms that attempt to model high level abstractions in data by using a deep graph with multiple processing layers, composed of multiple linear and non-linear transformations. Deep learning is part of a broader family of machine learning methods based on learning representations of data. An observation can be represented in many ways such as a vector of intensity values per pixel, or in a more abstract way as a set of edges, regions of particular shape. Some representations are better than others at simplifying the learning task. One of the promises of deep learning is replacing handcrafted features with efficient algorithms for unsupervised or semi-supervised feature learning and hierarchical feature extraction.

2.Research in this area attempts to make better representations and create models to learn these representations from large-scale unlabeled data. Some of the representations are inspired by advances in neuroscience and are loosely based on interpretation of information processing and communication patterns in a nervous system, such as neural coding which attempts to define a relationship between various stimuli and associated neuronal responses in the brain.
If can and will cause a big problem is that we can't control.

3.The solution is we want our programs to learn and remember, our obedience and embed code that can be ordered off the entire system by which we can learn to edit this code.

ผลลัพธ์ (ไทย) 1:

1.การเรียนรู้ลึกเป็นสาขาของการเรียนรู้ของเครื่องตามชุดของขั้นตอนวิธีที่พยายามจำลองสูงระดับ abstractions ในข้อมูล โดยใช้กราฟลึกด้วยการประมวลผลหลายชั้น ประกอบการแปลงเชิงเส้น และไม่เชิงเส้นหลาย ลึกการเรียนรู้เป็นส่วนหนึ่งของครอบครัวกว้างเครื่องวิธีการเรียนรู้ที่อิงการเรียนรู้ที่ใช้แทนข้อมูล การสังเกตสามารถแสดง ในหลายวิธีเช่นเวกเตอร์ของค่าความเข้มต่อพิกเซล หรือ ในทางนามธรรมมากขึ้นเป็นชุดของขอบ ภูมิภาคเฉพาะรูปร่าง บางแทนจะดีกว่าคนอื่น ๆ ที่ลดความซับซ้อนงานการเรียนรู้ สัญญาของการเรียนรู้ลึกอย่างใดอย่างหนึ่งจะเปลี่ยนคุณสมบัติมือกับอัลกอริทึมที่มีประสิทธิภาพสำหรับคุณลักษณะขั่ว หรือกึ่งดูแลการเรียนรู้และสกัดคุณลักษณะลำดับชั้น2.การวิจัยในพื้นที่นี้พยายามทำแทนดีกว่า และสร้างแบบจำลองในการเรียนรู้เหล่านี้เป็นตัวแทนจากข้อมูลขนาดใหญ่ไม่มีป้ายชื่อ บางแทนการสร้างสรรค์ความก้าวหน้าในประสาท และตามการตีความของรูปแบบข้อมูลการประมวลผลและการสื่อสารในระบบประสาท เช่นเขียนโค้ดของระบบประสาทซึ่งพยายามที่จะกำหนดความสัมพันธ์ระหว่างสิ่งเร้าและการตอบสนองประสาทเกี่ยวข้องต่าง ๆ ในสมองถ้าสามารถ และจะทำให้เกิดปัญหาใหญ่คือ เราไม่สามารถควบคุม3.การแก้ปัญหาคือ เราต้องเรียนรู้ และจด จำ เชื่อฟัง และฝังรหัสที่สามารถสั่งปิดระบบทั้งหมด โดยที่เราสามารถเรียนรู้การแก้ไขโค้ดนี้ โปรแกรมของเรา

ผลลัพธ์ (ไทย) 2:

การเรียนรู้ 1.Deep เป็นสาขาหนึ่งของการเรียนรู้เครื่องตั้งอยู่บนพื้นฐานของอัลกอริทึมที่พยายามรูปแบบนามธรรมระดับสูงในข้อมูลโดยใช้กราฟลึกกับการประมวลผลชั้นหลายประกอบด้วยเชิงเส้นและไม่เชิงเส้นหลายแปลง การเรียนรู้ลึกเป็นส่วนหนึ่งของครอบครัวที่กว้างขึ้นของวิธีการเรียนรู้ของเครื่องอยู่บนพื้นฐานของการเรียนรู้การแสดงของข้อมูล การสังเกตสามารถแสดงในหลาย ๆ วิธีเช่นเวกเตอร์ของค่าความเข้มต่อพิกเซลหรือในทางนามธรรมมากขึ้นเป็นชุดของขอบภูมิภาคของรูปร่างเฉพาะที่ การแสดงบางคนดีกว่าคนอื่น ๆ ที่ลดความซับซ้อนของงานการเรียนรู้ หนึ่งในสัญญาของการเรียนรู้ลึกจะเปลี่ยนคุณสมบัติในแบบฉบับที่มีกลไกที่มีประสิทธิภาพสำหรับการใกล้ชิดหรือกึ่งภายใต้การดูแลการเรียนรู้คุณลักษณะและการสกัดคุณลักษณะลำดับชั้น.

2.Research ในบริเวณนี้พยายามที่จะให้การรับรองที่ดีขึ้นและสร้างรูปแบบการเรียนรู้การแสดงเหล่านี้จากขนาดใหญ่ที่ไม่มีป้ายกำกับ ข้อมูล. บางส่วนของการแสดงที่มีแรงบันดาลใจจากความก้าวหน้าในด้านประสาทวิทยาและจะขึ้นอยู่อย่างอิสระในการตีความหมายของข้อมูลการประมวลผลและการสื่อสารรูปแบบในระบบประสาทเช่นการเข้ารหัสประสาทซึ่งเป็นความพยายามที่จะกำหนดความสัมพันธ์ระหว่างสิ่งเร้าต่างๆที่เกี่ยวข้องและการตอบสนองของเซลล์ประสาทในสมอง.
หากสามารถ และจะก่อให้เกิดปัญหาใหญ่คือการที่เราไม่สามารถควบคุมได้.

แก้ปัญหา 3. คือเราต้องการโปรแกรมของเราที่จะเรียนรู้และจดจำการเชื่อฟังและรหัสการฝังของเราที่สามารถสั่งปิดระบบทั้งหมดโดยที่เราสามารถเรียนรู้ที่จะแก้ไขรหัสนี้ .

ผลลัพธ์ (ไทย) 3:

1 . การเรียนรู้แบบลึก เป็นสาขาของการเรียนรู้เครื่องขึ้นอยู่กับชุดของขั้นตอนวิธีที่พยายามที่จะรูปแบบนามธรรมระดับสูงในข้อมูลโดยใช้กราฟลึกที่มีชั้นของการประมวลผลหลาย ประกอบด้วยเชิงเส้นหลายเส้นและการแปลง . เรียนลึกเข้าไปเป็นส่วนหนึ่งของครอบครัวที่กว้างขึ้นของวิธีการเรียนรู้เครื่องขึ้นอยู่กับการเรียนรู้ เป็นตัวแทนของข้อมูล สังเกตที่สามารถแสดงได้หลายวิธี เช่น เวกเตอร์เข้มค่าต่อพิกเซล หรือ ในทางนามธรรมมากกว่าเป็นชุดของขอบภูมิภาคของโดยเฉพาะรูปร่าง บางภาพที่ดีกว่าคนอื่น ที่ลดความซับซ้อนของงานเรียนรู้ หนึ่งในสัญญาของการเรียนรู้แบบลึก เปลี่ยนคุณสมบัติ handcrafted กับขั้นตอนวิธีที่มีประสิทธิภาพสำหรับ unsupervised หรือกึ่งมีคุณลักษณะการเรียนรู้และการสกัดคุณลักษณะลำดับชั้น .2 . การวิจัยในพื้นที่นี้ พยายามที่จะทำให้ภาพดีขึ้น และสร้างแบบจำลองเพื่อเรียนรู้แนวทางเหล่านี้จากข้อมูลที่ใกล้เคียงกันขนาดใหญ่ บางส่วนของภาพที่เป็นแรงบันดาลใจความก้าวหน้าในประสาทวิทยาศาสตร์และหลวม ๆตามความหมายของการประมวลผลข้อมูล และรูปแบบการสื่อสารในระบบประสาท เช่น สมองนะครับ ซึ่งพยายามที่จะกำหนดความสัมพันธ์ระหว่างสิ่งเร้าและการตอบสนองในลักษณะต่าง ๆที่สมองถ้าสามารถและจะทำให้เกิดปัญหาใหญ่คือ เราควบคุมไม่ได้3 . ทางออกคือเราต้องการให้โปรแกรมของเราที่จะเรียนรู้และจดจำ เราเชื่อฟังและฝังโค้ดที่สามารถสั่งให้ปิดระบบทั้งหมด ซึ่งเราสามารถเรียนรู้ที่จะแก้ไขรหัสนี้