Aprendizagem profunda

A aprendizagem profunda é um subconjunto do aprendizado de máquina que se concentra na utilização de redes neurais para executar tarefas como classificação, regressão e aprendizagem de representação. O campo se inspira na neurociência biológica e é centrado em empilhar neurônios artificiais em camadas e "treiná-los" para processar dados. O adjetivo "profunda" se refere ao uso de múltiplas camadas (variando de três a várias centenas ou milhares) na rede. Os métodos usados podem ser supervisionados, semissupervisionados ou não serem supervisionados.[1]

Algumas arquiteturas comuns de redes de aprendizagem profunds incluem redes totalmente conectadas, redes de crenças profundas, redes neurais recorrentes, redes neurais convolucionais, redes adversárias generativas, transformadoras e campos de radiância neural. Essas arquiteturas foram aplicadas a campos como visão computacional, reconhecimento de fala, processamento de linguagem natural, tradução automática, bioinformática, design de medicamentos, análise de imagens médicas, ciência do clima, inspeção de materiais e programas de jogos de tabuleiro, onde produziram resultados comparáveis e, em alguns casos, superando o desempenho de especialistas humanos.[2][3][4]

As primeiras formas de redes neurais foram inspiradas pelo processamento de informações e nós de comunicação distribuídos em sistemas biológicos, particularmente o cérebro humano. No entanto, as redes neurais atuais não pretendem modelar a função cerebral dos organismos e são geralmente vistas como modelos de baixa qualidade para esse propósito.[5]

  1. LeCun, Yann; Bengio, Yoshua; Hinton, Geoffrey (2015). «Deep Learning» (PDF). Nature. 521 (7553): 436–444. Bibcode:2015Natur.521..436L. PMID 26017442. doi:10.1038/nature14539 
  2. Ciresan, D.; Meier, U.; Schmidhuber, J. (2012). «Multi-column deep neural networks for image classification». 2012 IEEE Conference on Computer Vision and Pattern Recognition. [S.l.: s.n.] pp. 3642–3649. ISBN 978-1-4673-1228-8. arXiv:1202.2745Acessível livremente. doi:10.1109/cvpr.2012.6248110 
  3. Krizhevsky, Alex; Sutskever, Ilya; Hinton, Geoffrey (2012). «ImageNet Classification with Deep Convolutional Neural Networks» (PDF). NIPS 2012: Neural Information Processing Systems, Lake Tahoe, Nevada. Consultado em 24 de maio de 2017. Cópia arquivada (PDF) em 10 de janeiro de 2017 
  4. «Google's AlphaGo AI wins three-match series against the world's best Go player». TechCrunch. 25 de maio de 2017. Consultado em 17 de junho de 2018. Cópia arquivada em 17 de junho de 2018 
  5. «Study urges caution when comparing neural networks to the brain». MIT News | Massachusetts Institute of Technology (em inglês). 2 de novembro de 2022. Consultado em 6 de dezembro de 2023 

From Wikipedia, the free encyclopedia · View on Wikipedia

Developed by Nelliwinne