Deep learning

Il Deep Learning ( apprendimento profondo o approfondito ) è una branca del machine learning che studia l'apprendimento automatico tramite l'utilizzo delle reti neurali a due o più strati nascosti e dalle reti neurali ricorsive. E' anche conosciuto con la sigla DL.

un esempio di rete neurale del deep learning

I livelli multipli della rete neurale ( neural network ) sono composti da unità non lineari a cascata, a cui spetta il compito di estrarre le informazioni per costruire il modello di classificazione.

Per questa ragione questo approccio all'apprendimento è anche detto apprendimento non lineare.

Nota. Nel Deep Learning i concetti di alto livello sono definiti dai livelli di basso livello.

Come altre tecniche di machine learning anche il deep learning può essere realizzato con algoritmi di tipo supervisionato sia non supervisionato

La differenza tra deep learning e intelligenza artificiale

L'intelligenza artificiale (AI) è un campo di studio dell'ingegneria informatica molto vasto che contiene molte discipline tra cui il deep learning.

Esempio. L'intelligenza artificiale comprende discipline come la ricerca operativa, la rappresentazione della conoscenza, la logica, il machine learning, ecc.

In alcuni casi l'intelligenza artificiale sconfina anche in altri ambiti del sapere come la filosofia, le neuroscienze e la psicologia cognitiva.

La differenza tra deep learning e machine learning

Il deep learning è soltanto una branca del machine learning (ML) basata sull'utilizzo delle reti neurali profonde ( neural network multilayers ).

Il machine learning comprende molti altri algoritmi e metodi di apprendimento oltre al deep learning.

la differenza tra machine learning, deep learning e intelligenza artificiale

Nota. Il machine learning è una disciplina dell'intelligenza artificiale. Pertanto, l'intelligenza artificiale ( Artificial Intelligence o AI ) comprende il machine learning ( ML ) che a sua volta include il deep learning ( DL ).

La storia del deep learning

Il termine deep learning nasce nel 2006 ma la storia del deep learning comincia 60 anni prima.

La storia del deep learning è divisa in tre periodi storici.

  • Cibernetica ( '50-60 ). In questo periodo sono sviluppati i primi modelli lineari come il Perceptron e Adaline. Questi algoritmi introducono il concetto di neurone artificiale. Sono le pietre miliari dell'apprendimento profondo.
  • Connessionismo ( '80-90 ). Negli anni '80 l'interesse per le reti neurali si riaccende con gli studi dei connessionisti nelle scienze cognitive. In questi anni sono sviluppate le prime reti neurali con retropropagazione e le reti LSTM. I modelli sono ancora ispirati alle neuroscienze e al ragionamento simbolico.
  • Deep learning ( 2006- ). Questa fase inizia con il modello deep belief network di Hinton e giunge fino ai giorni nostri. I nuovi modelli non sono più ispirati alle neuroscienze. Sono realizzati con reti neurali multistrato e hanno molti livelli nascosti. Sono decisamente molto più potenti dei precedenti modelli.
 


 

Segnalami un errore, un refuso o un suggerimento per migliorare gli appunti

FacebookTwitterLinkedinLinkedin
knowledge base

Libri di approfondimento

Deep Learning (DL)