iT邦幫忙

第 11 屆 iT 邦幫忙鐵人賽

DAY 6
0

今天開始之前,我想寫點無關的東西/images/emoticon/emoticon38.gif

本以為第一堂課快上完了,第二堂課看起來不長。我錯了,第二堂課雖然測驗不多,但是也蠻長的/images/emoticon/emoticon06.gif

不過還好,第二堂課很多概念以前應該聽過,稍微試了一下幾個測驗還能輕鬆通過。不過影片內容還是會有些我不知道的概念,還是會看完。另外三門課,還有一門蠻有興趣的,不知道能不能在免費贈送的時間內上完,看來得壓一下進度了。

※ 我有點忘記原本這個標題是要寫什麼了/images/emoticon/emoticon16.gif


通常要解決一件問題,會需要將問題猜分層更小的問題。使用機器學習的工具也是一樣,也像是寫演算法也是一樣。對於一個複雜的問題,可能會需要多個模型處理。我想到以前看過得一個中文字辨識的類神經網路模型,實際上他分層下面幾層:

  1. 偵測文字位置
  2. 偵測文字方向(90度、180度等等)
  3. (偵測文字語言)
  4. 辨識文字

比起來,以前拿tensorflow.js來玩玩的玩具,了解的實在是太表面了。


類神經網路被認為是通用的演算法。 曾經有人說過:

人類的大腦由神經元組成,每一個神經元並沒有什麼差別,可是卻可以分成語言中樞、記憶中樞、邏輯計算等不同樣的功能。
那麼,應該有一個萬能的方法可以適用於各種已經可以解決的問題。

對於不同問題,可能有相似的類神經網路,比如經典的RNN、CNN,卻可以解決非常廣泛的問題。說起來,大腦各個區域也是互相合作的。要達成一個目的,可能需要不同類神經網路相互交互,共同達成。


上一篇
機器學習的兩個階段:訓練模型和推論資料(training & inference/predict)
下一篇
火箭燃料
系列文
又LAG的ML學習筆記31

尚未有邦友留言

立即登入留言