deep neural networks are often much

deep neural networks are often much harder to train than shallow neural networks. That's unfortunate, since we have good reason to believe that if we could train deep nets they'd be much more powerful than shallow nets.

But while the news from the last chapter is discouraging, we won't let it stop us. In this chapter, we'll develop techniques which can be used to train deep networks, and apply them in practice. We'll also look at the broader picture, briefly reviewing recent progress on using deep nets for image recognition, speech recognition, and other applications. And we'll take a brief, speculative look at what the future may hold for neural nets, and for artificial intelligence

ผลลัพธ์ (ไทย) 2:

เครือข่ายประสาทลึกมักจะยากมากในการฝึกอบรมกว่าเครือข่ายประสาทตื้น นั่นเป็นโชคร้ายเนื่องจากเรามีเหตุผลที่ดีที่จะเชื่อว่าถ้าเราสามารถฝึกมุ้งลึกพวกเขาต้องการจะมีประสิทธิภาพมากขึ้นกว่ามุ้งตื้น. แต่ในขณะที่ข่าวจากบทสุดท้ายเป็นท้อใจเราจะไม่ปล่อยให้มันหยุดเรา ในบทนี้เราจะพัฒนาเทคนิคที่สามารถนำมาใช้ในการฝึกอบรมเครือข่ายลึกและนำไปใช้ในทางปฏิบัติ นอกจากนี้เราจะมองภาพที่กว้างขึ้นในเวลาสั้น ๆ การตรวจสอบความคืบหน้าล่าสุดเกี่ยวกับการใช้มุ้งลึกสำหรับการรับรู้ภาพรู้จำเสียงพูดและการใช้งานอื่น ๆ และเราจะใช้เวลาสั้น ๆ ลักษณะการเก็งกำไรในสิ่งที่อนาคตอาจจะมีสำหรับประสาทและปัญญาประดิษฐ์

ผลลัพธ์ (ไทย) 3:

โครงข่ายประสาทเทียมลึกมักจะยากมากที่จะฝึกกว่าโครงข่ายประสาทเทียมที่ตื้น น่าเสียดายนะ เพราะเราเชื่อว่า ถ้าเราสามารถฝึกลึกอวนจะต้องมีประสิทธิภาพมากกว่าตื้นแห

แต่ ขณะที่ข่าวจากบทสุดท้ายก็ท้อ เราไม่ยอมให้มันหยุดเรา ในบทนี้เราจะพัฒนาเทคนิคซึ่งสามารถใช้ในการรถไฟเครือข่ายลึกและใช้พวกเขาในการปฏิบัติ เราก็จะมองภาพที่กว้างขึ้น , สรุปการตรวจสอบความคืบหน้าล่าสุดในการใช้อวนลึกเพื่อการรับรู้ภาพ , การรู้จำเสียงพูดและโปรแกรมอื่น ๆ และเราก็ใช้เวลาสั้นๆ ซึ่งดูแล้วอนาคตอาจถือตาข่ายประสาทและปัญญาประดิษฐ์