Deep learning (also known as deep s

Deep learning (also known as deep structured learning, hierarchical learning or deep machine 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 (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 are better than others at simplifying the learning task (e.g., face recognition or facial expression recognition). 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.
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.
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.
Deep learning has been characterized as a buzzword, or a rebranding of neural networks.
 

ผลลัพธ์ (ไทย) 1:

การเรียนรู้ที่ลึก (ลึกเรียกว่าโครงสร้างการเรียนรู้ ลำดับชั้นการเรียนรู้ หรือการเรียนรู้ลึกเครื่อง) เป็นสาขาของเครื่องเรียนตามชุดของขั้นตอนวิธีที่พยายามจำลองสูงระดับ abstractions ในข้อมูล โดยใช้กราฟลึกด้วยการประมวลผลหลายชั้น ประกอบด้วยการแปลงเชิงเส้น และไม่เชิงเส้นหลายลึกการเรียนรู้เป็นส่วนหนึ่งของครอบครัวกว้างเครื่องวิธีการเรียนรู้ที่อิงการเรียนรู้ที่ใช้แทนข้อมูล การสังเกต (เช่น ภาพ) สามารถแสดง ในหลายวิธีเช่นเวกเตอร์ของค่าความเข้มต่อพิกเซล หรือ ในทางที่เป็นนามธรรมมากชุดของขอบ ภูมิภาคเฉพาะรูปร่าง ฯลฯ บางแทนจะดีกว่าคนอื่น ๆ ที่ลดความซับซ้อนงานการเรียนรู้ (เช่น จดจำใบหน้าหรือการรู้จำสีหน้า) สัญญาของการเรียนรู้ลึกอย่างใดอย่างหนึ่งจะเปลี่ยนคุณสมบัติมือกับอัลกอริทึมที่มีประสิทธิภาพสำหรับคุณลักษณะขั่ว หรือกึ่งดูแลการเรียนรู้และสกัดคุณลักษณะลำดับชั้นงานวิจัยนี้พยายามทำแทนดีกว่า และสร้างแบบจำลองในการเรียนรู้เหล่านี้เป็นตัวแทนจากข้อมูลขนาดใหญ่ไม่มีป้ายชื่อ บางแทนการสร้างสรรค์ความก้าวหน้าในประสาท และตามการตีความของรูปแบบข้อมูลการประมวลผลและการสื่อสารในระบบประสาท เช่นเขียนโค้ดของระบบประสาทซึ่งพยายามที่จะกำหนดความสัมพันธ์ระหว่างสิ่งเร้าและการตอบสนองประสาทเกี่ยวข้องต่าง ๆ ในสมองสถาปัตยกรรมลึกการเรียนรู้ต่าง ๆ เช่นเครือข่ายประสาทลึก เครือข่ายประสาทลึกสลับลำดับข้อมูล เครือข่ายความเชื่อที่ลึก และเครือข่ายประสาทกำเริบได้ถูกประยุกต์ใช้กับฟิลด์เช่นคอมพิวเตอร์วิทัศน์ การรู้จำเสียงอัตโนมัติ การรู้จำเสียง การประมวลผลภาษาธรรมชาติ และ bioinformatics ที่พวกเขาแสดงให้เห็นผลลัพธ์ของศิลปะในงานต่าง ๆเรียนรู้ลึกได้รับลักษณะเป็น buzzword หรือการ rebranding ของเครือข่ายประสาท 

ผลลัพธ์ (ไทย) 2:

การเรียนรู้ลึก (หรือเรียกว่าการเรียนรู้ที่มีโครงสร้างลึกการเรียนรู้ลำดับชั้นหรือการเรียนรู้เครื่องลึก) เป็นสาขาหนึ่งของการเรียนรู้เครื่องตั้งอยู่บนพื้นฐานของอัลกอริทึมที่พยายามรูปแบบนามธรรมระดับสูงในข้อมูลโดยใช้กราฟลึกกับชั้นการประมวลผลหลายประกอบด้วย เชิงเส้นหลายและการเปลี่ยนแปลงที่ไม่ใช่เชิงเส้น.
การเรียนรู้ลึกเป็นส่วนหนึ่งของครอบครัวที่กว้างขึ้นของวิธีการเรียนรู้ของเครื่องอยู่บนพื้นฐานของการเรียนรู้การแสดงของข้อมูล การสังเกต (เช่นภาพ) สามารถแสดงในหลาย ๆ วิธีเช่นเวกเตอร์ของค่าความเข้มต่อพิกเซลหรือในทางนามธรรมมากขึ้นเป็นชุดของขอบภูมิภาคของรูปร่างโดยเฉพาะอย่างยิ่งการแสดง ฯลฯ บางคนดีกว่าคนอื่น ๆ ที่ ลดความซับซ้อนของงานการเรียนรู้ (เช่นการจดจำใบหน้าหรือการรับรู้การแสดงออกทางสีหน้า) หนึ่งในสัญญาของการเรียนรู้ลึกจะเปลี่ยนคุณสมบัติในแบบฉบับที่มีกลไกที่มีประสิทธิภาพสำหรับการใกล้ชิดหรือกึ่งภายใต้การดูแลการเรียนรู้คุณลักษณะและการสกัดคุณลักษณะลำดับชั้น.
วิจัยในพื้นที่นี้พยายามที่จะให้การรับรองที่ดีขึ้นและสร้างรูปแบบการเรียนรู้การแสดงเหล่านี้จากข้อมูลที่ไม่มีป้ายกำกับขนาดใหญ่ บางส่วนของการแสดงที่มีแรงบันดาลใจจากความก้าวหน้าในด้านประสาทวิทยาและจะขึ้นอยู่อย่างอิสระในการตีความหมายของข้อมูลการประมวลผลและการสื่อสารรูปแบบในระบบประสาทเช่นการเข้ารหัสประสาทซึ่งเป็นความพยายามที่จะกำหนดความสัมพันธ์ระหว่างสิ่งเร้าต่างๆที่เกี่ยวข้องและการตอบสนองของเซลล์ประสาทในสมอง.
ต่างๆลึก การเรียนรู้สถาปัตยกรรมเช่นเครือข่ายลึกประสาทสับสนเครือข่ายประสาทลึกเครือข่ายความเชื่อลึกและเครือข่ายประสาทกำเริบได้รับนำไปใช้กับสาขาเช่นคอมพิวเตอร์วิสัยทัศน์รู้จำเสียงพูดอัตโนมัติประมวลผลภาษาธรรมชาติ, การจดจำเสียงและชีวสารสนเทศที่พวกเขาได้แสดงให้เห็นว่าการผลิตภาครัฐ -the-Art ผลในงานต่างๆ.
การเรียนรู้ลึกมีลักษณะเป็น buzzword หรือ rebranding ของเครือข่ายประสาท
 

ผลลัพธ์ (ไทย) 3:

การเรียนรู้แบบลึก ( หรือที่เรียกว่าลึกโครงสร้างการเรียนรู้ การเรียนรู้แบบลำดับชั้นหรือเครื่องลึกการเรียนรู้ ) เป็นสาขาของการเรียนรู้เครื่องขึ้นอยู่กับชุดของขั้นตอนวิธีที่พยายามที่จะรูปแบบนามธรรมระดับสูงในข้อมูลโดยใช้กราฟลึกที่มีชั้นของการประมวลผลหลาย ประกอบด้วยเชิงเส้นหลายเส้นและการแปลง .เรียนลึกเข้าไปเป็นส่วนหนึ่งของครอบครัวที่กว้างขึ้นของวิธีการเรียนรู้เครื่องขึ้นอยู่กับการเรียนรู้ เป็นตัวแทนของข้อมูล สังเกตการณ์ ( เช่นรูปภาพ ) สามารถแสดงได้หลายวิธี เช่น เวกเตอร์เข้มค่าต่อพิกเซล หรือ ในทางนามธรรมมากกว่าเป็นชุดของขอบภูมิภาคของเฉพาะรูปร่าง ฯลฯ บางภาพดีกว่าคนอื่นที่ลดความซับซ้อนของการเรียนรู้งาน ( เช่นใบหน้าหรือการรับรู้สีหน้า ) หนึ่งในสัญญาของการเรียนรู้แบบลึก เปลี่ยนคุณสมบัติ handcrafted กับขั้นตอนวิธีที่มีประสิทธิภาพสำหรับ unsupervised หรือกึ่งมีคุณลักษณะการเรียนรู้และการสกัดคุณลักษณะลำดับชั้น .การวิจัยในพื้นที่นี้ พยายามที่จะทำให้ภาพดีขึ้น และสร้างแบบจำลองเพื่อเรียนรู้แนวทางเหล่านี้จากข้อมูลที่ใกล้เคียงกันขนาดใหญ่ บางส่วนของภาพที่เป็นแรงบันดาลใจความก้าวหน้าในประสาทวิทยาศาสตร์และหลวม ๆตามความหมายของการประมวลผลข้อมูล และรูปแบบการสื่อสารในระบบประสาท เช่น สมองนะครับ ซึ่งพยายามที่จะกำหนดความสัมพันธ์ระหว่างสิ่งเร้าและการตอบสนองในลักษณะต่าง ๆที่สมองต่าง ๆเช่น โครงข่ายประสาทเทียมแบบลึก ( ขดลึกลึก , โครงข่ายประสาทเทียม , โครงข่ายความเชื่อลึกและเครือข่ายประสาทกำเริบได้นำไปใช้กับเขตข้อมูลเช่นวิสัยทัศน์คอมพิวเตอร์ , การรู้จำเสียงพูดอัตโนมัติ การประมวลผลภาษาธรรมชาติ การรับรู้เสียงและรสนที่พวกเขาได้รับการแสดงที่จะสร้างผลลัพธ์ที่ทันสมัยในงานต่างๆการเรียนรู้แบบลึกมีลักษณะเป็น buzzword หรือ rebranding ของโครงข่ายประสาทเทียม