¿Cómo puede la transición del aprendizaje al aprendizaje profundo?

Answer 1

Aprendizaje profundo es un término íntimamente relacionado con la resolución de problemas utilizando redes neuronales artificiales. Para un mejor análisis y síntesis de algoritmos, las AN no convolucionales se organizan en capas de neuronas. Cada capa solo puede recibir entradas de la capa superior inmediatamente. El número total de capas define la dimensionalidad de la capacidad de separación, es decir, ahora la red puede modelar características o aspectos organizados jerárquicamente. Como los primeros resultados alucinantes en el análisis de imágenes y videos llegaron solo con las ANN con 10 capas o más, la comunidad lo etiquetó como un umbral para el aprendizaje profundo. No hay una diferencia fundamental, pero el hecho de que el reconocimiento de imagen se amplíe desde 10 capas y más arriba justifica un apodo de marketing.

Por lo tanto, si desea pasar del aprendizaje “normal” al “aprendizaje profundo”, solo use 10 capas o más en su ANN no convolucional.

Ahora, si no se refería a las redes neuronales artificialmente sino a algo sobre el aprendizaje humano, esta palabra no debería usarse, ni siquiera como una metáfora, ya que sería engañosa. Nuestros cerebros (a excepción de la parte de procesamiento de imágenes!) No están organizados en capas claras. ¡Si quieres aprender profundamente, estudia pacientemente!