MẠNG NORON HỌC SÂU
DNN Là một thuật toán máy học trong đó sử dụng mạng neural nhân tạo (Artificial Neural Networks) nhiều tầng để học, biểu diễn mô hình đối tượng. Với rất nhiều kết nối vượt trội so với các phương pháp trước đó, DNN đang được cộng đồng nghiên cứu thế giới sử dụng trong nhiều lĩnh vực như xử lý ảnh, xử lý âm thanh, xử lý ngôn ngữ tự nhiên...[8] Mạng thần kinh sâu (DNN) là mạng thần kinh nhân tạo (ANN) có nhiều lớp giữa các lớp đầu vào và đầu ra. DNN tìm thấy thao tác toán học chính xác để biến đầu vào thành đầu ra, cho dù đó là mối quan hệ tuyến tính hoặc một mối quan hệ phi tuyến tính. Mạng di chuyển qua các lớp tính toán xác suất của mỗi đầu ra. Ví dụ, một DNN được đào tạo để nhận ra các giống chó sẽ đi qua hình ảnh đã cho và tính xác suất để con chó trong hình ảnh là một giống chó nhất định. Người dùng có thể xem lại kết quả và chọn xác suất mà mạng sẽ hiển thị (trên một ngưỡng nhất định, v.v.) và trả lại nhãn được đề xuất. Mỗi thao tác toán học như vậy được coi là một lớp và DNN phức tạp có nhiều lớp, do đó có tên là các mạng "sâu".
/4.png "machinelearning-clustering-(gmm)")
.jpg "SVM (SUPPORT VECTORMACHINE)")
.jpg "PHƯƠNG PHÁP TẠO CÂY ĐỊNH DANH ID3")
