Skirtumas tarp mašinų mokymosi ir neuronų tinklų - Skirtumas Tarp

Skirtumas tarp mašinų mokymosi ir neuronų tinklų

Pagrindinis skirtumas tarp kompiuterinio mokymosi ir neuronų tinklų yra tas, kad mašininis mokymas - tai algoritmų, kurie gali analizuoti ir mokytis iš duomenų, kad galėtų priimti sprendimus, kūrimas, o neuronų tinklai - tai mašinų mokymosi algoritmų grupė, atliekanti panašius į žmogaus smegenų neuronus skaičiavimus.

Mašinų mokymasis yra saviugdos algoritmų, kurie gali analizuoti duomenis, mokytis iš jų, atpažinti modelius ir priimti sprendimus, technika. Tai yra dirbtinio intelekto subkategorija. Mašinų mokymasis naudoja įvairius algoritmus. Neuronų tinklas yra vienas iš jų. Šios sąvokos plačiai naudojamos įvairiose srityse, tokiose kaip medicina, robotika, gamyba ir žemės ūkis.

Pagrindinės sritys

1. Kas yra mašinų mokymasis
- Apibrėžimas, tipai, funkcionalumas
2. Kas yra neuroniniai tinklai
- Apibrėžimas, tipai, funkcionalumas
3. Skirtumas tarp mašininio mokymosi ir neuronų tinklų
- Pagrindinių skirtumų palyginimas

Pagrindinės sąlygos

Dirbtinis intelektas, grįžtamojo ryšio tinklas, informacijos tinklas, mašinų mokymasis, neuroniniai tinklai, prižiūrimas mokymasis, neperžiūrėtas mokymasis


Kas yra mašinų mokymasis

Mašinų mokymasis yra dirbtinio intelekto pogrupis. Mašinų mokymosi algoritmai analizuoja duomenis, mokosi iš jų ir priima sprendimus. Jis naudoja statistinius metodus ir leidžia mašinai patirti patirties.


1 paveikslas: mašinų mokymasis

Yra du pagrindiniai mašinos mokymosi tipai: prižiūrimas mokymasis ir nekontroliuojamas mokymasis. Į prižiūrimas mokymasis, yra įvesties kintamieji (x) ir išvesties kintamieji (y). Algoritmas mokomas, įvedant įėjimus į išėjimus (y = f (x)). Pateikiant naują įvestį, algoritmas turėtų prognozuoti išėjimą. Linijinės regresijos, paramos vektoriaus mašinos ir atsitiktiniai miškai yra keletas prižiūrimų mokymosi pavyzdžių.

Į nekontroliuojamas mokymasis, yra tik įvesties duomenys (x). Išvesties duomenų nėra. Tokio tipo algoritmas nėra būtinas. Vietoj to jis atskleidžia įvesties duomenų modelius. Vienas iš pagrindinių nekontroliuojamų mokymosi algoritmų yra grupavimas. Jis identifikuoja panašius atvejus ir grupuoja juos, kad sukurtų grupes. Paprastai nekontroliuojamas mokymasis yra sudėtingas, nei kontroliuojamas mokymasis. Trumpai tariant, mašinų mokymasis padeda kurti sistemas, galinčias išmokti ir atlikti prognozes naudojant duomenis.

Kas yra neuroniniai tinklai

Neuronų tinklus įkvėpė biologiniai neuronai. Žmogaus smegenyse yra milijonai neuronų, o informacija perduodama iš vieno neurono į kitą. Neuronų tinklai šią koncepciją naudoja greičiau atlikti skaičiavimo užduotis.


2 pav. Neuronų tinklas

Yra dviejų tipų neuronų tinklai, vadinami „feedforward“ ir grįžtamąja informacija. Į tinklus, informacija perduodama tik iš įvesties į produkciją ir jame nėra grįžtamojo ryšio. Į grįžtamojo ryšio tinklai, informacija gali pereiti į abi puses ir joje yra grįžtamojo ryšio kelias.

Tolesni tinklai toliau skirstomi į vieno sluoksnio tinklą ir daugiasluoksnį tinklą. Vieno sluoksnio tinkle įvesties sluoksnis prisijungia prie išvesties sluoksnio. Kita vertus, daugiasluoksnis tinklas turi daugiau sluoksnių, vadinamų paslėptais sluoksniais tarp įvesties sluoksnio ir išvesties sluoksnio.

Neuroniniame tinkle yra mazgai. Šie mazgai yra panašūs į smegenų neuronus. Be to, tinklo jungtys turi specifinį svorį. Kai įvestys į mazgus yra x1, x2, x3 ... ir atitinkami svoriai yra w1, w2, w3,… grynasis įėjimas (y) yra panašus į toliau nurodytus.

y = x1. w1 + x2. w2 + x3.w3 +….

Taikant aktyvinimo funkciją, pvz., Linijinį arba sigmoidą, į neto įvestį, jis pateikia išvestį taip, kaip nurodyta toliau.

Y = F (y)

Tuomet išvestis įvertinama. Svoriai reguliuojami, jei įvertintas išėjimas skiriasi nuo norimo išėjimo. Šis procesas kartojamas tol, kol bus gauti pageidaujami išėjimai. Tai yra pagrindinė neuronų tinklo funkcija.

Skirtumas tarp mašinų mokymosi ir neuronų tinklų

Apibrėžimas

Mokymosi mokymas reiškia algoritmus, kurie naudoja statistinius metodus, leidžiančius kompiuteriams mokytis iš duomenų ir palaipsniui pagerinti konkrečios užduoties veikimą. Neuronų tinklas yra sistema, įkvėpta žmogaus smegenų biologinių neuronų, kurie gali greičiau atlikti skaičiavimo užduotis.

Algoritmai

Regresija, klasifikacija, klasterizacija, paramos vektoriaus mašina, atsitiktiniai miškai yra keletas mašinų mokymosi algoritmų. Neuriniai tinklai taip pat yra algoritmas, kuris patenka į mašinos mokymąsi.

Išvada

Skirtumas tarp mašininio mokymosi ir neuronų tinklų yra tai, kad mašinų mokymasis reiškia kurti algoritmus, kurie gali analizuoti ir mokytis iš duomenų, kad galėtų priimti sprendimus, o neuronų tinklai - tai mašinų mokymosi algoritmų grupė, atliekanti panašius į žmogaus smegenų neutronus skaičiavimus.

Nuoroda:

1. Kas yra mašinų mokymasis? | Mašinos mokymosi pagrindai Mašinos mokymosi pamoka Edureka !, 2018 m. Kovo 16 d.