Introduction
A mély tanulás a gépi tanulás egy fejlett formája, amely megpróbálja emulálni az emberi agy tanulását.
Az agyban neuronoknak nevezett idegsejtek vannak, amelyek idegbővítményekkel kapcsolódnak egymáshoz, amelyek elektrokémiai jeleket adnak át a hálózaton.
Amikor a hálózat első neuronja stimulálódik, a bemeneti jel feldolgozásra kerül, és ha túllép egy adott küszöbértéket, a neuron aktiválódik , és átadja a jelet azoknak a neuronoknak, amelyekhez csatlakozik. Ezek a neuronok viszont aktiválhatók, és átadhatják a jelet a hálózat többi részén keresztül. Idővel a neuronok közötti kapcsolatokat a gyakori használat erősíti, miközben megtanulja, hogyan reagálhat hatékonyan. Például, ha valaki dob egy labdát feléd, a neuron kapcsolatok lehetővé teszik, hogy feldolgozzák a vizuális információkat, és koordinálja a mozgásokat, hogy elkapja a labdát. Ha ezt a műveletet ismételten hajtja végre, a labda elkapásában részt vevő neuronok hálózata erősebb lesz, ahogy megtanulja, hogyan lehet jobb elkapni a labdát.
A mélytanulás ezt a biológiai folyamatot mesterséges neurális hálózatokkal emulálja, amelyek numerikus bemeneteket dolgoznak fel elektrokémiai ingerek helyett.
A bejövő idegkapcsolatokat általában x-ként azonosított numerikus bemenetek váltják fel. Ha egynél több bemeneti érték van, az x egy x 1, x2 és így tovább nevű elemeket tartalmazó vektornak számít.
Az egyes x értékekhez egy súly (w) tartozik, amely az x érték hatását erősíti vagy gyengíti a tanulás szimulálásához. Emellett egy torzító (b) bemenet is hozzáadódik, amely lehetővé teszi a hálózat részletes vezérlését. A betanítási folyamat során a w és b értékek úgy lesznek beállítva, hogy a hálózat "tanuljon" a megfelelő kimenetek előállításához.
Maga a neuron egy függvényt foglal magában, amely kiszámítja az x, w és b súlyozott összegét. Ez a függvény viszont egy aktiválási függvényhez van csatolva, amely az eredményt (gyakran 0 és 1 közötti értékre) korlátozza annak megállapításához, hogy a neuron átadja-e a kimenetet a hálózat következő neuronrétegének.