Forskjellen mellom maskinlæring og nevrale nettverk
Share
Hovedforskjellen mellom maskinlæring og nevrale nettverk er at maskinlæring refererer til utviklingsalgoritmer som kan analysere og lære av data for å ta beslutninger mens nevrale nettverk er en gruppe algoritmer i maskinlæring som utfører beregninger som ligner på neuroner i den menneskelige hjerne.
Maskininnlæring er teknikken for å utvikle selvlærende algoritmer som kan analysere data, lære av dem, gjenkjenne mønstre og ta beslutninger tilsvarende. Det er en underkategori av kunstig intelligens. Maskininnlæring bruker ulike algoritmer. Neural nettverk er en av dem. Disse konseptene brukes stort sett på ulike områder som medisin, robotikk, produksjon og landbruk.
Nøkkelområder dekket
1. Hva er maskinlæring
- Definisjon, Typer, Funksjonalitet
2. Hva er Neural Networks
- Definisjon, Typer, Funksjonalitet
3. Forskjellen mellom maskinlæring og nevrale nettverk
- Sammenligning av nøkkelforskjeller
Nøkkelord
Kunstig intelligens, tilbakemelding nettverk, feedforward nettverk, maskin læring, neurale nettverk, veiledet læring, unservervised læring
Hva er maskinlæring
Maskininnlæring er en delmengde av kunstig intelligens. Maskininlæringsalgoritmer analyserer data, lærer av dem og tar avgjørelser. Den bruker statistiske metoder og gjør at maskinen kan forbedres med erfaring.
Figur 1: Maskinlæring
Det er to hovedtyper maskininnlæring: veiledet læring og uvedvaret læring. I veiledet læring, det er input variable (x) og output variabler (y). Algoritmen er opplært ved å kartlegge inngangene til utgangene (y = f (x)). Når en ny inngang oppgis, bør algoritmen forutsi utgangen. Lineær regresjon, støttevektormaskin og tilfeldige skoger er noen eksempler på veiledet læring.
I uovervåket læring, Det er bare inngangsdata (x). Det er ingen utdata. I denne typen er det ikke nødvendig å trene algoritmen. I stedet oppdager det mønstrene i inngangsdataene alene. En viktig ikke-overvåket læring algoritme er clustering. Den identifiserer lignende forekomster og grupperer dem sammen for å lage klynger. Vanligvis er ikke-overvåket læring vanskelig enn veiledet læring. Kort sagt hjelper maskinlæring å utvikle systemer som kan lære og utføre spådommer ved bruk av data.
Hva er Neural Networks
Nevrale nettverk er inspirert av biologiske nevroner. I den menneskelige hjerne er det millioner av neuroner og informasjonen går fra en neuron til den andre. Nevrale nettverk bruker dette konseptet til å utføre beregningsoppgaver raskere.
Figur 2: Neural Network
Det er to typer nevrale nettverk som kalles feedforward og tilbakemelding. I feedforward-nettverk, Informasjonen går kun fra inngangen til utgangen, og den inneholder ikke tilbakemeldingssløyfe. I tilbakemeldingsnettverk, Informasjonen kan passere til begge retninger, og den inneholder en tilbakemeldingsti.
De viderekoblede nettverkene er videre kategorisert i enkeltlags nettverk og flerlags nettverk. I enkeltlags nettverk kobler inngangslaget til utgangslaget. På den annen side har flerlagsnettverket flere lag kalt skjulte lag mellom inngangslaget og utgangslaget.
Et neuralt nettverk inneholder noder. Disse noderne er lik neuronene i hjernen. Videre har forbindelsene i nettverket spesifikke vekter. Når inngangene til noderne er x1, x2, x3 ... og tilsvarende vekter er w1, w2, w3, ... nettinngangen (y) ligner på følgende.
y = x1. w1 + x2. w2 + x3.w3 + ... .
Etter å ha aktivert aktiveringsfunksjonen, for eksempel lineær eller sigmoid til nettingången, gir den utgangen som vist nedenfor.
Y = F (y)
Da blir utgangen evaluert. Vektene justeres dersom den evaluerte utgangen er forskjellig fra ønsket utgang. Denne prosessen gjentas til de ønskede utgangene er oppnådd. Dette er den grunnleggende funksjonaliteten til et neuralt nettverk.
Forskjellen mellom maskinlæring og nevrale nettverk
Definisjon
Maskinering av læring refererer til algoritmer som bruker statistiske teknikker slik at datamaskiner kan lære av data og gradvis forbedre ytelsen på en bestemt oppgave. Et neuralt nettverk er et system som er inspirert av biologiske nevroner i menneskehjernen som kan utføre databehandlingsoppgaver raskere.
algoritmer
Regresjon, klassifisering, clustering, støttevektormaskin, tilfeldige skoger er få algoritmer i maskinlæring. Nevrale nettverk er også en algoritme som faller under maskinlæring.
Konklusjon
Forskjellen mellom maskinlæring og nevrale nettverk er at maskinlæringen refererer til utviklingsalgoritmer som kan analysere og lære av data for å ta beslutninger mens nevrale nettverk er en gruppe algoritmer i maskinlæring som utfører beregninger som ligner nøytroner i den menneskelige hjerne.
Henvisning:
1. Hva er maskinlæring? | Maskinlæring Grunnleggende | Maskinopplæringsveiledning | Edureka !, 16. mars 2018, tilgjengelig her.
Bilde Courtesy:
1. "3161590" (CC0) via Pixabay
2. "Kunstig neural nettverk" Av en: Bruker: Cburnett - Eget arbeid Dette vektorgrafen ble opprettet med Inkscape (CC BY-SA 3.0) via Commons Wikimedia
