Deep learning (deep machine learnin

Deep learning (deep machine learning, or deep structured learning, or hierarchical learning, or sometimes DL) is a branch of machine learning based on a set of algorithms that attempt to model high-level abstractions in data by using multiple processing layers with complex structures or otherwise, composed of multiple non-linear transformations.[1][2][3][4][5]

Deep learning is part of a broader family of machine learning methods based on learning representations of data. An observation (e.g., an image) 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, etc. Some representations make it easier to learn tasks (e.g., face recognition or facial expression recognition[6]) from examples. 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.[7]

ผลลัพธ์ (ไทย) 1:

ลึกการเรียนรู้ (เรียน รู้ลึกเครื่อง หรือเรียน รู้โครงสร้างลึก หรือลำดับชั้นเรียน หรือบางครั้ง DL) เป็นสาขาของเครื่องเรียนตามชุดของอัลกอริทึมที่พยายาม abstractions ระดับสูงแบบจำลองข้อมูล โดยการประมวลผลหลายชั้นมีโครงสร้างซับซ้อน หรือมิฉะนั้น หลายแปลงไม่ใช่เชิงเส้นประกอบด้วย [1] [2] [3] [4] [5]เรียนรู้ลึกเป็นส่วนหนึ่งของครอบครัวเครื่องเรียนรู้วิธีใช้นำเสนอข้อมูลการเรียนรู้กว้างขึ้น การสังเกต (เช่น รูปภาพ) สามารถแสดง ในหลายวิธีเช่นเวกเตอร์ของค่าความเข้มต่อพิกเซล หรือแบบนามธรรมมากขึ้นเป็นชุดขอบ ขอบเขตของรูปร่างเฉพาะ เป็นต้น บางที่ใช้แทนทำให้การเรียนรู้งาน (เช่น หน้ารู้หรือหน้านิพจน์ recognition[6]) จากตัวอย่าง สัญญาการเรียนรู้ลึกอย่างใดอย่างหนึ่งคือแทนคุณลักษณะรวมกับอัลกอริทึมที่มีประสิทธิภาพสำหรับเรียน unsupervised หรือกึ่งมีคุณลักษณะและการสกัดคุณลักษณะลำดับชั้น [7]

ผลลัพธ์ (ไทย) 2:

การเรียนรู้ลึก (การเรียนรู้เครื่องลึกหรือการเรียนรู้โครงสร้างลึกหรือการเรียนรู้ลำดับชั้นหรือบางครั้ง DL) เป็นสาขาหนึ่งของการเรียนรู้เครื่องขึ้นอยู่กับชุดของขั้นตอนวิธีการที่พยายามแบบนามธรรมระดับสูงในข้อมูลโดยใช้ชั้นการประมวลผลหลายโครงสร้างที่ซับซ้อน หรืออย่างอื่นประกอบด้วยแปลงที่ไม่ใช่เชิงเส้นหลาย. [1] [2] [3] [4] [5] การเรียนรู้ลึกเป็นส่วนหนึ่งของครอบครัวที่กว้างขึ้นของวิธีการเรียนรู้เครื่องขึ้นอยู่กับการเรียนรู้การแสดงของข้อมูล การสังเกต (เช่นภาพ) สามารถแสดงในหลาย ๆ วิธีเช่นเวกเตอร์ของค่าความเข้มต่อพิกเซลหรือในทางนามธรรมมากขึ้นเป็นชุดของขอบภูมิภาคของรูปร่างโดยเฉพาะอย่างยิ่งการแสดงอื่น ๆ บางส่วนให้ง่ายต่อการเรียนรู้ งาน (เช่นการจดจำใบหน้าได้รับการยอมรับหรือการแสดงออกทางสีหน้า [6]) จากตัวอย่าง หนึ่งในสัญญาของการเรียนรู้ลึกเปลี่ยนคุณสมบัติในแบบฉบับที่มีกลไกที่มีประสิทธิภาพในการเรียนรู้คุณลักษณะใกล้ชิดหรือกึ่งภายใต้การดูแลและการสกัดคุณลักษณะลำดับชั้น. [7]

ผลลัพธ์ (ไทย) 3:

การเรียนรู้แบบลึก ( ลึกการเรียนรู้เครื่อง หรือลึกโครงสร้างการเรียนรู้หรือการเรียนรู้ลำดับชั้นหรือบางครั้ง DL ) เป็นสาขาของการเรียนรู้เครื่องขึ้นอยู่กับชุดของขั้นตอนวิธีที่พยายามที่จะรูปแบบนามธรรมระดับสูงในข้อมูลโดยใช้การประมวลผลหลายชั้นด้วยโครงสร้างที่ซับซ้อน หรือ อื่น ๆประกอบด้วยการแปลงเชิงเส้นหลาย [ 1 ] [ 2 ] 3 ] [ 4 ] [ 5 ]

เรียนลึกเข้าไปเป็นส่วนหนึ่งของครอบครัวที่กว้างขึ้นของวิธีการเรียนรู้เครื่องขึ้นอยู่กับการเรียนรู้ เป็นตัวแทนของข้อมูล สังเกตการณ์ ( เช่นรูปภาพ ) สามารถแสดงได้หลายวิธี เช่น เวกเตอร์เข้มค่าต่อพิกเซล หรือ ในทางนามธรรมมากกว่าเป็นชุดของขอบภูมิภาคของเฉพาะรูปร่าง ฯลฯ บางภาพทำให้มันง่ายที่จะเรียนรู้งาน ( เช่นจดจำใบหน้าหรือการรับรู้สีหน้า [ 6 ] ) จากตัวอย่าง หนึ่งในสัญญาของการเรียนรู้แบบลึก เปลี่ยนคุณสมบัติ handcrafted กับขั้นตอนวิธีที่มีประสิทธิภาพสำหรับ unsupervised หรือกึ่งมีคุณลักษณะการเรียนรู้และการสกัดคุณลักษณะลำดับชั้น [ 7 ]