The earliest deep-learning-like alg

The earliest deep-learning-like algorithms that had multiple layers of non-linear features can be traced back to Ivakhnenko and Lapa in 1965 (Figure 1), who used thin but deep models with polynomial activation functions which they analyzed with statistical methods. In each layer, they selected the best features through statistical methods and forwarded them to the next layer. They did not use backpropagation to train their network end-to-end but used layer-by-layer least squares fitting where previous layers were independently fitted from later layers.

ผลลัพธ์ (ไทย) 1:

อัลกอริทึมเหมือนลึกการเรียนรู้ความเร็วที่มีคุณลักษณะสมบัติหลายชั้นสามารถ traced กลับไปที่ Ivakhnenko และลาภาในปี 1965 (รูปที่ 1), ที่ใช้ลึก แต่บางรุ่น มีฟังก์ชั่นโพลิโนเมียเปิดใช้งานซึ่งพวกเขาวิเคราะห์ ด้วยวิธีการทางสถิติ ในแต่ละชั้น พวกเขาเลือกสิ่งที่ดีที่สุดผ่านวิธีการทางสถิติ และส่งพวกเขาไปชั้นถัดไป พวกเขาไม่ได้ใช้ backpropagation ในการฝึกอบรมของเครือข่ายไปสิ้น แต่ใช้กำลังสองน้อยสุดชั้นโดยชั้นที่ชั้นก่อนหน้าได้อย่างอิสระประกอบจากชั้นหลังที่เหมาะสม

ผลลัพธ์ (ไทย) 2:

ขั้นตอนวิธีการที่เก่าแก่ที่สุดลึกการเรียนรู้เหมือนที่มีหลายชั้นของคุณลักษณะที่ไม่ใช่เชิงเส้นสามารถสืบย้อนกลับไป Ivakhnenko และ Lapa ในปี 1965 (รูปที่ 1) ที่ใช้ในบางรุ่น แต่ลึกกับฟังก์ชั่นการเปิดใช้งานพหุนามที่พวกเขาวิเคราะห์ด้วยวิธีการทางสถิติ ในแต่ละชั้นพวกเขาเลือกคุณสมบัติที่ดีที่สุดด้วยวิธีการทางสถิติและส่งพวกเขาไปยังชั้นถัดไป พวกเขาไม่ได้ใช้แพร่กระจายย้อนกลับในการฝึกอบรมแบบ end-to-end เครือข่ายของพวกเขา แต่ใช้ชั้นโดยชั้นสองน้อยเหมาะสมที่ชั้นก่อนหน้านี้ได้รับการติดตั้งเป็นอิสระจากชั้นในภายหลัง

ผลลัพธ์ (ไทย) 3:

เก่าลึกการเรียนรู้เหมือนขั้นตอนวิธีที่มีคุณสมบัติแบบหลายชั้นสามารถ traced กลับไปที่ ivakhnenko ในปี 1965 และ ลาภา ( รูปที่ 1 ) ที่ใช้ในบางรุ่นที่มีการเปิดใช้งานฟังก์ชันพหุนาม แต่ลึก ๆซึ่งพวกเขาวิเคราะห์ข้อมูลด้วยวิธีการทางสถิติ ในแต่ละชั้น พวกเขาเลือกคุณสมบัติที่ดีที่สุดผ่านวิธีการทางสถิติและส่งต่อไปยังชั้นต่อไป พวกเขาไม่ได้ใช้แบบฝึกสำหรับเครือข่ายของพวกเขา แต่ชั้นใช้โดยชั้นอย่างน้อยกระชับที่ก่อนหน้านี้ชั้นเป็นอิสระติดตั้งจากชั้นนะ