Короче говоря, глубокое структурированное обучение или иерархическое обучение или глубокое обучение является частью семейства методов машинного обучения, которые сами являются подмножеством более широкой области искусственного интеллекта.
Глубокое обучение — это класс алгоритмов машинного обучения, которые используют несколько уровней нелинейных блоков обработки для извлечения и преобразования признаков. Каждый последующий слой использует выходные данные предыдущего слоя в качестве входных данных.
Глубокие нейронные сети, сети глубоких убеждений и рекуррентные нейронные сети применяются в таких областях, как компьютерное зрение, распознавание речи, обработка естественного языка, распознавание звука, фильтрация в социальных сетях, машинный перевод и биоинформатика, где они дают результаты, сопоставимые и в некоторых случаях лучше, чем человеческие эксперты.
Алгоритмы глубокого обучения и сети —
основаны на неконтролируемом изучении нескольких уровней функций или представлений данных. Элементы более высокого уровня выводятся из элементов более низкого уровня для формирования иерархического представления.
использовать некоторую форму градиентного спуска для обучения.