← vorherige Kapitel

51. Auswahl der Komponenten der Pipeline: Einfache Lösung von Problemen

Der zweite wichtige Faktor, der beim Aufbau einer Pipeline neben der Verfügbarkeit von Trainingsdaten berücksichtigt werden muss, ist die einfache Verwendung der Komponente. Sie müssen versuchen, solche Komponenten der Pipeline auszuwählen, von denen jede leicht zu entwickeln oder zu erlernen ist. Aber was bedeutet das: Die Komponente ist leicht zu erlernen?

Das Folgende sind maschinelle Lernaufgaben in aufsteigender Reihenfolge der Schwierigkeit:

1. Klassifizierung überbelichteter Bilder (wie im obigen Beispiel)
2. Feststellen, ob ein Bild drinnen oder draußen aufgenommen wird
3. Feststellen, ob ein Bild eine Katze enthält oder nicht
4. Feststellen, ob ein Bild eine Katze mit schwarz-weißem Fell enthält
5. Feststellen, ob ein Bild eine siamesische Katze (eine spezielle Katzenrasse) enthält.

Jede von ihnen ist eine binäre Klassifizierungsaufgabe: Ein Bild wird eingegeben, der Algorithmus gibt entweder 0 oder 1 aus. Je höher die Aufgabe in der Liste ist, desto „einfacher“ ist es für das neuronale Netzwerk, zu lernen, wie man sie löst. Einfachere Aufgaben erfordern weniger Trainingsbeispiele.

Derzeit gibt es keine gute formale Definition der Aufgabenschwierigkeiten beim maschinellen Lernen

: « », , — , , ( ). . .

, «», ( (shallow neural network)), «», (, () ). .

, , , .

, . :

, :

( ) .

( ) , 1, - .

( ) , , 0 1.

: , , , . , , . , Deep Learning Coursera.

.

: (1) , (2) (3) . «», , .

, , , , «» , .

52.

, x , . , ( , , )?

x =

y = « , »

h: -> Y, y .

:

, , , y, , . , (x) (y).

Der wachsende Trend des Deep Learning ist das Unterrichten von End-to-End-Systemen, deren Ausgabe mit der Verfügbarkeit geeigneter beschrifteter Daten (beschriftete Eingabe und Ausgabe für das System) Bilder, Textfragmente, Audioclips und andere komplexe Objekte und nicht nur Zahlen erhalten kann.

Fortsetzung