
用于實(shí)際問(wèn)題的深度神經(jīng)網(wǎng)絡(luò)可能具有10層以上的隱藏層。它的拓?fù)淇赡芎芎?jiǎn)單,也可能很復(fù)雜。網(wǎng)絡(luò)中的層越多,它可以識(shí)別的特征就越多。不幸的是,網(wǎng)絡(luò)中的層越多,計(jì)算所需的時(shí)間就越長(zhǎng),并且訓(xùn)練起來(lái)就越困難。
卷積神經(jīng)網(wǎng)絡(luò)(CNN)通常用于機(jī)器視覺(jué)。卷積神經(jīng)網(wǎng)絡(luò)通常使用卷積,池化,ReLU,完全連接和丟失層來(lái)模擬視覺(jué)皮層。卷積層基本上采用許多小的重疊區(qū)域的積分。池化層執(zhí)行非線性下采樣的形式。ReLU層應(yīng)用非飽和激活函數(shù)f(x)= max(0,x)。在完全連接的層中,神經(jīng)元與上一層中的所有激活都具有連接。損失層使用Softmax或交叉熵損失函數(shù)進(jìn)行分類(lèi),或使用歐幾里得損失函數(shù)進(jìn)行回歸,計(jì)算網(wǎng)絡(luò)訓(xùn)練如何懲罰預(yù)測(cè)標(biāo)簽與真實(shí)標(biāo)簽之間的偏差。
遞歸神經(jīng)網(wǎng)絡(luò)(RNN)通常用于自然語(yǔ)言處理(NLP)和其他序列處理,還有長(zhǎng)短期記憶(LSTM)網(wǎng)絡(luò)和基于注意力的神經(jīng)網(wǎng)絡(luò)。在前饋神經(jīng)網(wǎng)絡(luò)中,信息從輸入經(jīng)過(guò)隱藏層流到輸出。這將網(wǎng)絡(luò)限制為一次只能處理一個(gè)狀態(tài)。
在遞歸神經(jīng)網(wǎng)絡(luò)中,信息通過(guò)一個(gè)循環(huán)循環(huán),這使網(wǎng)絡(luò)可以記住最近的先前輸出。這樣可以分析序列和時(shí)間序列。RNN有兩個(gè)常見(jiàn)的問(wèn)題:爆炸梯度(通過(guò)固定梯度很容易固定)和消失梯度(不太容易固定)。
在LSTM中,在兩種情況下,網(wǎng)絡(luò)都可以通過(guò)更改權(quán)重來(lái)忘記(控制)先前的信息并記住這些信息。這有效地為LSTM提供了長(zhǎng)期和短期記憶,并解決了梯度消失的問(wèn)題。LSTM可以處理數(shù)百個(gè)過(guò)去輸入的序列。
注意模塊是將權(quán)重應(yīng)用于輸入向量的通用門(mén)。分層的神經(jīng)注意編碼器使用多層注意模塊來(lái)處理成千上萬(wàn)的過(guò)去輸入。
不是神經(jīng)網(wǎng)絡(luò)的隨機(jī)決策森林(RDF)對(duì)于一系列分類(lèi)和回歸問(wèn)題很有用。RDF由多層構(gòu)成,但不是神經(jīng)元,而是由決策樹(shù)構(gòu)建,并輸出各個(gè)樹(shù)預(yù)測(cè)的統(tǒng)計(jì)平均值(分類(lèi)模式或回歸均值)。RDF的隨機(jī)方面是對(duì)單個(gè)樹(shù)使用引導(dǎo)聚合(也稱(chēng)為裝袋),并為樹(shù)獲取特征的隨機(jī)子集。
XGBoost(極限梯度增強(qiáng))也不是一個(gè)深度神經(jīng)網(wǎng)絡(luò),它是一種可擴(kuò)展的,端到端的樹(shù)增強(qiáng)系統(tǒng),已針對(duì)許多機(jī)器學(xué)習(xí)挑戰(zhàn)產(chǎn)生了最先進(jìn)的結(jié)果。經(jīng)常提到裝袋和提振。區(qū)別在于,梯度樹(shù)增強(qiáng)不是生成隨機(jī)樹(shù)的集合,而是從單個(gè)決策樹(shù)或回歸樹(shù)開(kāi)始,對(duì)其進(jìn)行優(yōu)化,然后從第一棵樹(shù)的殘差構(gòu)建下一棵樹(shù)。
一些最好的Python的深度學(xué)習(xí)框架是TensorFlow,Keras,PyTorch和MXNet。Deeplearning4j是最好的Java深度學(xué)習(xí)框架之一。ONNX和TensorRT是深度學(xué)習(xí)模型的運(yùn)行時(shí)。
原文鏈接:https://www.infoworld.com/article/3512245/deep-learning-vs-machine-learning-understand-the-differences.html
翻譯:CDA數(shù)據(jù)分析師
數(shù)據(jù)分析咨詢(xún)請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
LSTM 模型輸入長(zhǎng)度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長(zhǎng)序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶(hù) ...
2025-07-11尊敬的考生: 您好! 我們誠(chéng)摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡(jiǎn)稱(chēng) BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測(cè)分析中的應(yīng)用:從數(shù)據(jù)查詢(xún)到趨勢(shì)預(yù)判? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,預(yù)測(cè)分析作為挖掘數(shù)據(jù)潛在價(jià)值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢(xún)結(jié)束后:分析師的收尾工作與價(jià)值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢(xún)結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭(zhēng)搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢(shì)性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢(shì)性檢驗(yàn)如同一位耐心的偵探,專(zhuān)注于從單 ...
2025-07-09year_month數(shù)據(jù)類(lèi)型:時(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)間是最不可或缺的維度之一,而year_month數(shù)據(jù)類(lèi)型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢(shì)與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢(shì)變化以及識(shí)別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國(guó)內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對(duì)策略? 長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門(mén)控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場(chǎng)調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場(chǎng)調(diào)研是企業(yè)洞察市場(chǎng)動(dòng)態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場(chǎng)調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書(shū)考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動(dòng)力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專(zhuān)業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動(dòng)力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開(kāi)啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價(jià)值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03