Research in this area attempts to m

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.[8]

Various deep learning architectures such as deep neural networks, convolutional deep neural networks, deep belief networks and recurrent neural networks have been applied to fields like computer vision, automatic speech recognition, natural language processing, audio recognition and bioinformatics where they have been shown to produce state-of-the-art results on various tasks.

Alternatively, deep learning has been characterized as a buzzword, or a rebranding of neural networks.[9][10]

ผลลัพธ์ (ไทย) 1:

วิจัยในพื้นที่นี้พยายามที่จะทำให้เป็นตัวแทนที่ดี และสร้างรูปแบบการเรียนรู้เหล่านี้เป็นตัวแทนจากข้อมูลขนาดใหญ่ไม่ แทนที่เป็นแรงบันดาลใจความก้าวหน้าในประสาทวิทยาศาสตร์ และบางซึ่งขึ้นอยู่กับการตีความข้อมูลประมวลผลและการสื่อสารรูปแบบในระบบประสาท เช่นรหัสประสาทซึ่งพยายามที่จะกำหนดความสัมพันธ์ระหว่างสิ่งเร้าและการตอบสนอง neuronal เกี่ยวข้องต่าง ๆ ในสมอง [8]สถาปัตยกรรมเรียนลึกต่าง ๆ เช่นเครือข่ายประสาทลึก เครือข่ายประสาทลึก convolutional เครือข่ายความเชื่อที่ลึก และเครือข่ายประสาทที่เกิดซ้ำได้ถูกประยุกต์ใช้กับฟิลด์เช่นคอมพิวเตอร์วิทัศน์ การรู้จำเสียงอัตโนมัติ การรู้จำเสียง ประมวลผลภาษาธรรมชาติ และ bioinformatics ที่พวกเขาได้รับการแสดงเพื่อให้รัฐ-of-the-art ผลลัพธ์ในงานต่าง ๆหรือ เรียนรู้ลึกได้ถูกลักษณะ buzzword หรือการ rebranding ของเครือข่ายประสาท [9] [10]

ผลลัพธ์ (ไทย) 2:

การวิจัยในพื้นที่นี้พยายามที่จะให้การรับรองที่ดีขึ้นและสร้างรูปแบบการเรียนรู้การแสดงเหล่านี้จากขนาดใหญ่ข้อมูลที่ไม่มีป้ายกำกับ บางส่วนของการแสดงที่มีแรงบันดาลใจจากความก้าวหน้าในด้านประสาทวิทยาและเคร่งครัดตามความหมายของการประมวลผลข้อมูลและรูปแบบการสื่อสารในระบบประสาทเช่นการเข้ารหัสประสาทซึ่งเป็นความพยายามที่จะกำหนดความสัมพันธ์ระหว่างสิ่งเร้าต่างๆและการตอบสนองของเซลล์ประสาทที่เกี่ยวข้องในสมอง. [8 ] ต่างๆสถาปัตยกรรมการเรียนรู้ลึกเช่นเครือข่ายประสาทลึกเครือข่ายประสาทสับสนลึกเครือข่ายความเชื่อลึกและเครือข่ายประสาทกำเริบได้รับนำไปใช้กับสาขาเช่นคอมพิวเตอร์วิสัยทัศน์รู้จำเสียงพูดอัตโนมัติประมวลผลภาษาธรรมชาติ, การจดจำเสียงและรสที่พวกเขาได้แสดงให้เห็นว่า ผลลัพธ์ที่รัฐของศิลปะในงานต่างๆ. อีกวิธีหนึ่งคือการเรียนรู้ที่ลึกมีลักษณะเป็น buzzword หรือ rebranding เครือข่ายประสาท. [9] [10]

ผลลัพธ์ (ไทย) 3:

การวิจัยในพื้นที่นี้ พยายามที่จะทำให้ภาพดีขึ้น และสร้างแบบจำลองเพื่อเรียนรู้แนวทางเหล่านี้จากข้อมูลที่ใกล้เคียงกันขนาดใหญ่ บางส่วนของภาพที่เป็นแรงบันดาลใจความก้าวหน้าในประสาทวิทยาศาสตร์และหลวม ๆตามความหมายของการประมวลผลข้อมูล และการติดต่อสื่อสารในระบบประสาทเช่น ประสาทนะครับ ซึ่งพยายามที่จะกำหนดความสัมพันธ์ระหว่างสิ่งเร้าและการตอบสนองในลักษณะต่าง ๆที่สมอง . [ 8 ]

ต่าง ๆเช่น ลึกลึกเรียนรู้สถาปัตยกรรมโครงข่ายประสาทเทียม , ขดลึกเครือข่ายประสาท โครงข่ายความเชื่อลึกและเครือข่ายประสาทกำเริบได้นำไปใช้กับเขตข้อมูลเช่นวิสัยทัศน์คอมพิวเตอร์ , การรู้จำเสียงพูดอัตโนมัติการประมวลผลภาษาธรรมชาติ , เสียงการรับรู้และชีวสารสนเทศที่พวกเขาได้รับการแสดงเพื่อสร้างผลลัพธ์ของงานต่าง ๆ .

หรือการเรียนรู้แบบลึกมีลักษณะเป็น buzzword หรือ rebranding ของโครงข่ายประสาทเทียม . [ 9 ] [ 10 ]