Основы ма а о инно о о но и ени и и ени и л об око о об ени е и

Основы ма а о инно о о но и ени и и ени и л об око о об ени е и

Что тако о о ма а ин о о о об ие ние?

Машинноеобучени——эетоподобластьискусственногоинтеллекта,вкоторойрассматриваютсякомпьютерныеалгоритмы,самоулучшающиесязасчетобучающихданныхбезявногопрограммирования。Многиесчитают,чтоэтонаиболееперспективныйпутьдлядостижениянастоящегоискусственногоинтеллекта,подобногочеловеческому。

Алгоритмымашинногообученияможновцеломразделитьнатриосновныекатегории:

  • Обучение с с и ителем:Выпредоставляетеподписиипримерывходныхданныхснужнымивыходнымиданнымиипозволяетеалгоритмуизучатьправила,покоторымизвходныхданныхполучаютсявыходные。
  • Обучение без и ител и:Вынепредоставляетеподписи,поэтомуалгоритмуразрешаетсянаходитьсобственнуюинфраструктурудляобработкивходныхданных(например,споискомскрытыхзакономерностейвданных)。
  • Обучение с подк еплением:Алгоритммногократновзаимодействуетсдинамичнойсредойсконкретнойцелью,которойможетбыть,кпримеру,выигрышвигреиливождениеавтомобиля。Алгоритмприближаетоптимальноерешениекзадачепосредствомповторенияпробиошибок。

Вэтойстатьемыкороткоивобщихчертахрассматриваеммашинноеобучениеиглубокоеобучение,атакжеразницумеждуэтимидвумяконцепциями。

Что тако о о о о о об о о о ие?

Глубокоеобучени——эетоответвлениемашинногообучение,использующееискусственныенейронныесетисцельюприблизитьсякинтеллекту,подобномучеловеческому。Источникомвдохновенияпослужилинейронычеловека。Вглубокомобученииприменяетсятеорияграфовдляорганизацииалгоритмоввзвешиванияпослоям,состоящимизвершиниребер。Алгоритмыглубокогообученияпрекрасносебязарекомендовалиприобработкенеструктурированныхданных,вчастностиизображенийиязыков。

Технически,чтобынейроннаясетьназывалась«глубокой»,онадолжнасодержатьскрытыеслоимеждувходнымиивыходнымислоямивосприятия——базовуюструктурунейроннойсети。Этислоисчитаются«скрытыми»,посколькунесвязанысвнешниммиром。Примеры архитектур л лу о око о о об о и и:

  • С п - м м м а С п - о С - т анением (ff):данныеперемещаютсяводномнаправленииотвходногослоячерезскрытыеслоииизвнешнегослоя——всевершинывзаимосвязаны,иданныеневозвращаютсячерезскрытыеслои。FFиспользуютсядлякомпрессииданныхибазовойобработкиизображений。
  • Рекуррентные не он е ет (rnn):типсетиFF,вкоторойдобавленавременнаязадержкакскрытымслоям,чтопозволяетполучатьдоступкпредыдущейинформациивовремятекущейитерации。ТакаясистемаобратнойсвязиприближаетсякпамятииделаетRNNидеальнымидляязыковойобработки。Хорошимпримеромявляетсяпредиктивныйнабортекста,прикоторомпредположенияоснованынасловах,используемыхвамичащевсего。
  • Сверточные не он е ет (cnn):свертка-этоматематическаяоперациянаддвумяфункциями,результатомкоторойявляетсятретьяфункция,описывающая,какоднаизисходныхфункциймодифицируетсядругой。CNNиспользуютсявосновномприраспознаваниииклассификацииизображений,это«глаза»ИИ。СкрытыеслоивCNNвыполняютфункциюматематическихфильтровсиспользованиемвзвешенныхсуммдляопределениякромок,цвета,контрастаидругихэлементовпикселя。

Проведите тест т-драйв FlashBlade

ОпробуйтеинстансPure1®ссамообслуживаниемдляуправления纯FlashBlade™,самогопередовогорешениявотрасли,предоставляющегофайловоехранилищеихранилищеобъектовсгоризонтальныммасштабированием。

Сравнение ма а о инно о о но ие ни и ие ни и л об око о об ение и

Глубокоеобучениесчитаетсячастьюмашинногообучения。Главнаяхарактеристика,которойалгоритмыглубокогообученияотдругихалгоритмовмашинногообучения,——этоиспользованиеискусственныхнейросетей。Аглавнаяособенность,благодарякоторойнейросетьстановится«глубокой»,——этоналичиескрытыхслоевмеждувходнымиивыходнымислоями,формирующимиосновноевосприятие。

Преимущества л л об око око об о ени

Алгоритмыглубокогообученияотличноподходятдляобработкинеструктурированныхданныхприналичиидостаточнойвычислительноймощности。Вэтомпреимуществоглубокогообучениянаддругимиалгоритмамимашинногообучения,когдаречьидетобобучениибезучителяиобучениисподкреплением。ПоследниедостижениявобластиИИвомногомобусловленыповышениемжизнеспособностинейросетейглубокогоизучениязасчетулучшенийпродуктивностиобработкиисистемхраненияданных。

Как纯爱游戏ayx双赢彩票存储поддерживаетприложениясмашиннымобучением

У纯爱游戏ayx双赢彩票存储®естьуникальныевозможностидляиспользованияиподдержкимираИИ。Длянейросетейглубокогообучениятребуютсябольшиебыстрыеданные。Врешениях所有的flashСХД纯сочетаютсяпроизводительность100%флэш——памятиNVMeспрогнознойаналитикойнаосновеИИдляобеспечениясовременноговзаимодействиясданными(现代数据经验™)。С помощью纯можно добит С следующего:

  • Консолидируйте бункеры хранения данн в един数据中心
  • Быстрее полу у а а а т те важные данн о е с помощьюана алитик т в еа ал ном и ем и/ана алитики журналов
  • ИспользуйтесамыесовременныесредствауправленияСХДнаосновеИИспомощьюPure1元®
  • Обеспечивайте а аботу ре ени к ИИ с помощьюAIRI®——полностековойинфраструктурыдляИИсиNVID爱游戏ayx双赢彩票IA纯存储
  • ПолучитеполностековуюподдержкуИИижизненныхцикловмашинногообучениясFlashStack®,решенийконвергентнойинфраструктуры,разработаннойсовместнос思科。
800-379-7873 +44 20 3870 2633 43 + 720882474 +32 (0) 7 84 80 560 +33 9 75 18 86 78 +49 89 12089 253 +353 1 485 4307 +39 02 9475 9422 +31 (0) 20 201 49 65 +46-101 38 93 22 +45 2856 6610 +47 2195 4481 +351 210 006 108 + 966112118066 +27 87551 7857 +34 51 889 8963 +41 31 52 80 624 +90 850 390 21 64 +971 4 5513176 +7 916 716 7308 +65 3158 0960 +603 2298 7123 +66 (0) 2624 0641 +84 43267 3630 +62 21235 84628 +852 3750 7835 +82 2 6001-3330 +886 2 8729 2111 +61 1800 983 289 +64 21 536 736 +55 11 2655-7370 +52 55 9171-1375 +56 2 2368-4581 +57 1 383-2387