Die Motivationen

Jetzt geben wir eine sehr kurze Erinnerung auf die Deep Learning.

Wir beginnen mit Motivationen und versuchen zu beantworten

warum wir Deep Learning benutzen.

Die Grundlage ist

dass wir die Natur der Features nachgezogen haben.

Die vorherigen Methoden, die Machine Learning Methoden, hatten die Anwendung von entkrafteten Features.

Dies war auch für viele Domäne, z.B.

MFCCs, I-Vectors und Speech Processing oder die SIFT-Versicht für Scene Alignment und Videos.

Diese Features, diese entkrafteten Features, brauchten Expert-Knowledge, um zu bauen.

Und oftmals war das beste Feature-Kraften der wichtigste Faktor für das Erfolg des Machine Learning Projekts.

In der Tat

ein gutes Feature zu bauen

ist die Grundlage für das Problem.

Wir müssen genau wissen

was für das Problem wichtig ist und wie wir es kompulieren

um dann ein Modell zu schaffen

das auf den Features ansteht.

Deshalb wurden viele Komplikationen, wenn ein Problem in einer datadrivenen Art gestaltet wurde,

von dem Modell selbst zu den Experten

die es brauchten

die Featuren zu entkraften und die wichtigsten Features zu definieren.

Mit Deep Learning haben wir einen sehr schieften Weg in den Weg

in den wir ein Problem verbreiten.

Was

wenn wir nicht generell beobachten

ob wir gute Features für unser Problem haben?

Und außerdem handeln wir mit High-Dimensional-Data und das Data ist vielleicht nicht genug verwendbar

in seinem Rohrdomain und zum Beispiel ist es schwer

mit generell verwendbaren Features zu kommen

startend vom Daten.

Das ist genau

wo Deep Learning nötig ist

weil wir die Feature in einer vollen datadrivenen Art finden können.

Wir arbeiten mit Rohrdata und die Feature werden direkt von den Modellen gestraft.

Diese Behandlung kann helfen

komplexe nonlineare Behandlungen zwischen den Daten und den Phänomenen zu machen.

Aber wir beginnen von Anfang an und verstehen

wie Deep Learning das machen kann.

Deep Learning nimmt Inspiration aus dem menschlichen Geist.

Der menschliche Geist ist nach all unseren Behandlungen zum Intelligen und zum Intelligen-Agenten.

Er hat Bereiche, die für verschiedene Tatsachen spezialisiert sind.

Z.B.

der visuellen Kontext, das ist die Bereiche des Geistes, die eine sehr große Bereiche im Geist, die visuellen Tatsachen löst.

Auch in diesem spezialisierten Domain

also der Vision

können wir viele Tatsachen identifizieren

die durch den visuellen Geist und den visuellen Kontext löst

gleichzeitig.

Für jede dieser Tatsachen können wir vielleicht sogar spezialisierte Subarenen im Geist finden.