Razlika med strojnim učenjem in nevronskimi mrežami - Razlika Med

Razlika med strojnim učenjem in nevronskimi mrežami

Glavna razlika med strojnim učenjem in nevronskimi mrežami je v tem, da. T strojno učenje se nanaša na razvoj algoritmov, ki lahko analizirajo in se učijo iz podatkov za sprejemanje odločitev, medtem ko so nevronske mreže skupina algoritmov v strojnem učenju, ki izvajajo izračune, podobne nevroni v človeških možganih.

Strojno učenje je tehnika razvijanja algoritmov za samoučenje, ki lahko analizirajo podatke, se učijo od njih, prepoznajo vzorce in ustrezno sprejemajo odločitve. To je podkategorija umetne inteligence. Strojno učenje uporablja različne algoritme. Nevronska mreža je ena izmed njih. Ti koncepti se na široko uporabljajo na različnih področjih, kot so medicina, robotika, proizvodnja in kmetijstvo.

Pokrita ključna območja

1. Kaj je strojno učenje
- Definicija, vrste, funkcionalnost
2. Kaj je nevronske mreže
- Definicija, vrste, funkcionalnost
3. Razlika med strojnim učenjem in nevronskimi mrežami
- Primerjava ključnih razlik

Ključni pogoji

Umetna inteligenca, povratna mreža, podporna mreža, strojno učenje, nevronske mreže, nadzorovano učenje, nenadzorovano učenje


Kaj je strojno učenje

Strojno učenje je podmnožica umetne inteligence. Algoritmi strojnega učenja analizirajo podatke, se učijo od njih in sprejemajo odločitve. Uporablja statistične metode in omogoča, da se stroj izboljša z izkušnjami.


Slika 1: Strojno učenje

Obstajata dve glavni vrsti strojnega učenja: nadzorovano učenje in nenadzorovano učenje. V nadzorovano učenje, obstajajo vhodne spremenljivke (x) in izhodne spremenljivke (y). Algoritem je usposobljen s preslikavo vhodov na izhode (y = f (x)). Pri novem vnosu mora algoritem predvideti izhod. Linearna regresija, stroj podpornega vektorja in naključni gozdovi so nekateri primeri nadzorovanega učenja.

V nenadzorovano učenje, obstajajo samo vhodni podatki (x). Izhodnih podatkov ni. Pri tem tipu ni potrebno usposabljati algoritma. Namesto tega sama odkrije vzorce v vhodnih podatkih. Eden glavnih nenadzorovanih učnih algoritmov je združevanje v skupine. Identificira podobne primere in jih združuje, da ustvarijo grozde. Običajno je nenadzorovano učenje težko kot nadzorovano učenje. Na kratko, strojno učenje pomaga razviti sisteme, ki se lahko naučijo in izvajajo napovedi z uporabo podatkov.

Kaj so nevronske mreže

Nevronske mreže so navdihnjene z biološkimi nevroni. V človeških možganih je na milijone nevronov in informacije prehajajo iz enega nevrona v drugega. Nevronske mreže uporabljajo ta koncept za hitrejše izvajanje računskih nalog.


Slika 2: Nevronska mreža

Obstajata dve vrsti nevronskih mrež, ki se imenujejo podajanje in povratne informacije. V podpornih omrežij, informacija prehaja le od vhoda do izhoda in ne vsebuje povratne zanke. V povratne informacije, informacije lahko preidejo v obe smeri in vsebuje pot povratne informacije.

Nadaljnje omrežje je nadalje razvrščeno v enoplastno omrežje in večplastno omrežje. V enoplastni mreži se vhodni sloj poveže z izhodno plastjo. Po drugi strani ima večplastno omrežje več plasti, ki se imenujejo skrite plasti med vhodno plastjo in izhodno plastjo.

Nevronska mreža vsebuje vozlišča. Ta vozlišča so podobna nevronim v možganih. Poleg tega imajo povezave v omrežju posebne uteži. Če so vhodi v vozlišča x1, x2, x3… in ustrezni uteži w1, w2, w3, ... je neto vhod (y) podoben naslednjemu.

y = x1. w1 + x2. w2 + x3.w3 +….

Po uporabi aktivacijske funkcije, kot je linearna ali sigmoidna na neto vhod, zagotavlja izhod kot spodaj.

Y = F (y)

Nato se oceni izhod. Uteži se prilagodijo, če se ocenjeni rezultat razlikuje od želenega. Ta postopek se ponavlja, dokler se ne doseže želenih izhodov. To je osnovna funkcionalnost nevronske mreže.

Razlika med strojnim učenjem in nevronskimi mrežami

Opredelitev

Učenje v strojni obdelavi se nanaša na algoritme, ki uporabljajo statistične tehnike, ki računalnikom omogočajo, da se učijo iz podatkov in postopno izboljšajo učinkovitost pri določeni nalogi. Nevronska mreža je sistem, ki ga navdihujejo biološki nevroni v človeških možganih, ki lahko hitreje izvajajo računalniške naloge.

Algoritmi

Regresija, klasifikacija, združevanje, stroj podpornega vektorja, naključni gozdovi so le malo algoritmov v strojnem učenju. Nevronske mreže so tudi algoritem, ki sodi pod strojno učenje.

Zaključek

Razlika med strojnim učenjem in nevronskimi mrežami je, da se strojno učenje nanaša na razvijanje algoritmov, ki lahko analizirajo in se učijo iz podatkov za sprejemanje odločitev, medtem ko so nevronske mreže skupina algoritmov v strojnem učenju, ki izvajajo izračune, podobne nevtronim v človeških možganih.

Sklic:

1. Kaj je strojno učenje? | Osnove strojnega učenja Vaje za strojno učenje Edureka !, 16. marca 2018,