Djuplæring er ein del av maskinlæring som fokuserer på å nytte fleirlags nevrale nettverk til å utføre oppgåver som klassifisering, regresjon og representasjonslæring. Feltet hentar inspirasjon frå biologisk nevrovitskap og dreier seg om å stable kunstige nevron lagvis og «trene» dei til å handsame data. Ordet «djup» viser til bruken av fleire lag (frå tre til fleire hundre eller tusen) i nettverket. Metodane som blir brukte, kan vere rettleia læring (supervised), delvis rettleia (semi-supervised) eller ikkje-rettleia (unsupervised).
Det finst ei lang rekkje spesialiseringer i arkitekturtypar innan djuplæring i bruk, eit døme er fullt tilknytte nettverk. Bruksområde inkluderer maskinsyn, taleattkjenning, naturleg språkprosessering, maskinomsetjing, bioinformatikk, legemiddelutvikling, analyse av medisinske bilete, klimatologi, materialinspeksjon og brettspelprogram, der dei har gjeve resultat som kan måle seg med, og i nokre tilfelle overgå, ekspertprestasjonar frå menneske.
Tidlege former for nevrale nettverk var inspirerte av informasjonsprosessering og distribuert kommunikasjon mellom noder i biologiske system, særleg menneskehjernen. Men dagens nevrale nettverk prøver ikkje å modellere hjernefunksjonane til organismar, dei vert generelt rekna som dårlege modellar for det føremålet.
Kjelder
Denne artikkelen bygger på innleiinga av «Deep learning» frå den 13. april 2025.
Bakgrunnsstoff
Kategori:Kunstig intelligens Kategori:Maskinlæring