Rangkaian saraf telah digunakan secara meluas dalam beberapa bidang, seperti pengecaman pertuturan, klasifikasi imej, ramalan siri masa, antara lain. Ini kerana mereka dapat mempelajari corak kompleks daripada data mentah, menjadi lebih tepat kerana mereka dilatih dengan lebih banyak contoh.
PUBLISITI
Bayangkan anda mempunyai aplikasi yang mengenali imej haiwan dan anda ingin mengajar aplikasi itu mengenali anjing. Anda menunjukkan apl beberapa imej anjing dan berkata, "Itu anjing." Aplikasi ini menggunakan rangkaian saraf untuk menganalisis ciri-ciri imej anjing dan, dari masa ke masa, belajar mengenal pasti anjing dalam imej lain.
Apabila anda menunjukkan lebih banyak contoh anjing, apl akan menjadi lebih baik dan lebih baik dalam mengenali anjing.
Rangkaian saraf telah menjadi semakin popular sejak beberapa tahun kebelakangan ini, berkat kemajuan dalam kuasa pengiraan dan ketersediaan data latihan. Jika anda ingin mengetahui lebih lanjut tentang subjek tersebut, anda boleh menyemak buku "Pembelajaran Mendalam" oleh Ian Goodfellow, Yoshua Bengio dan Aaron Courville, yang dianggap sebagai rujukan dalam bidang, atau artikel "Beberapa Perkara Berguna untuk Ketahui Mengenai Pembelajaran Mesin ” oleh Pedro Domingos , yang menyediakan pengenalan yang boleh diakses kepada topik tersebut.
PUBLISITI
*Teks artikel ini sebahagiannya dihasilkan oleh ChatGPT, model bahasa berasaskan kecerdasan buatan yang dibangunkan oleh OpenAI. Entri teks dicipta oleh Curto Berita dan respons sengaja diterbitkan semula sepenuhnya. Jawapan daripada ChatGPT dijana secara automatik dan tidak mewakili pendapat OpenAI atau orang yang dikaitkan dengan model. Semua tanggungjawab untuk kandungan yang diterbitkan terletak pada Curto Berita.
