ディープニューラルネットワークは他のニューラルネットワークとどのように違いますか?


回答:


28

違いは主にレイヤーの数です。

長い間、「1-2隠れ層はほとんどのタスクに十分である」と信じられていましたが、それ以上を使用するのは非現実的でした。

今日、コンピューターはさらに多くの機能を備えているため、人々はより多くのレイヤーを持つネットワークを使用し始めており、一部のタスクで非常にうまく機能することがわかりました。

「深い」という言葉は、単にこれらのネットワークを従来の「より浅い」ネットワークと区別するためにあります。


「ディープラーニング」を正しく理解していれば、いくつかのパラメーター(重み)が結び付けられているため、パラメータースペースが小さくなっています。通常のNNではできません。
ラファエル

@ラファエル、再:some parameters (weights) that are tied together, thus reducing the parameter spaceあなたは畳み込みニューラルネットワークを意味していますか?
publicgk

@publicgkはい、そうです。
ラファエル

「ディープラーニング」とは、非常に大きなデータセットを使用することを常に聞いています。これは間違いであり、データのサイズは問題ではありません。または、人々がディープラーニングを巨大なデータセットに関連付けているのは、トレーニングに必要なためです。
スティーブンサゴナ

隠れ層が1つだけのニューラルネットワークが任意の関数を計算できるというこの「信念」が実際に証明されていることを指摘したいと思います(たとえば、neuralnetworksanddeeplearning.com / chap4.htmlを参照)。なぜ複数の隠れ層が「便利」であるのか、もう少し説明すべきだったと思います。
nbro

9

ディープニューラルネットワークは、多くの層を持つ単なる(フィードフォワード)ニューラルネットワークです。

ただし、深い信念ネットワーク、ディープボルツマンネットワークなどは、トポロジが異なるため(議論の余地のない)ディープニューラルネットワークとは見なされません(トポロジ内に無向ネットワークがあります)。

こちらもご覧ください: /stats//a/59854/84191を

弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.