Diffiniad
Mae dysgu dwfn yn is-faes o ddysgu peirianyddol sy'n defnyddio rhwydweithiau niwral artiffisial aml-haenog i ddysgu patrymau o setiau data mawr. Mae'n rhagori mewn tasgau fel adnabod delweddau, lleferydd a phrosesu iaith naturiol.
Diben
Y pwrpas yw dysgu nodweddion a chynrychioliadau yn awtomatig o ddata crai heb waith peirianneg nodweddion â llaw trwm. Mae'n galluogi datblygiadau arloesol ym mherfformiad deallusrwydd artiffisial.
Pwysigrwydd
- Yn pweru AI o'r radd flaenaf mewn gweledigaeth, lleferydd ac NLP.
- Angen setiau data mawr ac adnoddau cyfrifiadurol.
- Llai dehongladwy o'i gymharu â dulliau ML traddodiadol.
- Yn gyrru ymchwil academaidd a chymwysiadau masnachol.
Sut Mae'n Gwaith
- Diffinio pensaernïaeth rhwydwaith gyda sawl haen gudd.
- Bwydo data mewnbwn a'i ledaenu ymlaen drwy'r rhwydwaith.
- Cyfrifwch gwallau yn erbyn gwirionedd daearol.
- Gwallau lluosogi'n ôl i ddiweddaru pwysau.
- Ailadroddwch yr hyfforddiant nes bod cywirdeb yn sefydlogi.
Enghreifftiau (Y Byd Go Iawn)
- Google Translate: yn defnyddio rhwydweithiau niwral dwfn ar gyfer cyfieithu peirianyddol.
- AlphaFold (DeepMind): rhagfynegi strwythur protein gyda dysgu dwfn.
- Tesla Autopilot: rhwydweithiau niwral dwfn ar gyfer gweledigaeth mewn hunan-yrru.
Cyfeiriadau / Darllen Pellach
- Dysgu Dwfn — Goodfellow, Bengio a Courville (Gwasg MIT).
- “Dosbarthiad ImageNet gyda CNNs Dwfn” — Krizhevsky et al., NeurIPS 2012.
- Stanford CS231n: Rhwydweithiau Niwral Cyfryngol ar gyfer Adnabyddiaeth Weledol.
