ההבדל העיקרי בין למידת מכונה לרשתות עצביות הוא ש למידת מכונה מתייחסת לפיתוח אלגוריתמים שיכולים לנתח וללמוד מנתונים לקבלת החלטות בעוד שהרשתות העצביות הן קבוצת אלגוריתמים בלמידת מכונה המבצעות חישובים הדומים לנוירונים במוח האנושי.

למידת מכונה היא הטכניקה של פיתוח אלגוריתמים של למידה עצמית שיכולים לנתח נתונים, ללמוד מהם, לזהות דפוסים ולקבל החלטות בהתאם. זוהי תת -קטגוריה של בינה מלאכותית. למידת מכונה משתמשת באלגוריתמים שונים. רשת עצבית היא אחת מהן. מושגים אלה נמצאים בשימוש נרחב בתחומים שונים כגון תרופות, רובוטיקה, ייצור וחקלאות.

בינה מלאכותית, רשת משוב, רשת Feedforward, למידת מכונות, רשתות עצביות, למידה בפיקוח, למידה ללא פיקוח

מהי למידת מכונה

למידת מכונה היא קבוצת משנה של בינה מלאכותית. אלגוריתמים של למידת מכונה מנתחים נתונים, לומדים מהם ומקבלים החלטות. הוא משתמש בשיטות סטטיסטיות ומאפשר למכונה להשתפר עם הניסיון.

איור 1: למידת מכונה

ישנם שני סוגים עיקריים של למידת מכונה: למידה בפיקוח ולמידה ללא פיקוח. ב למידה בפיקוח, ישנם משתני קלט (x) ומשתני פלט (y). האלגוריתם מאומן על ידי מיפוי התשומות ליציאות (y = f (x)). בעת מתן קלט חדש, האלגוריתם צריך לחזות את הפלט. רגרסיה לינארית, מכונת וקטור תמיכה ויערות אקראיים הם כמה דוגמאות ללמידה בפיקוח.

ב למידה ללא פיקוח, יש רק נתוני קלט (x). אין נתוני פלט. בסוג זה אין צורך להכשיר את האלגוריתם. במקום זאת, הוא מגלה את הדפוסים בנתוני הקלט בכוחות עצמו. אלגוריתם למידה עיקרי אחד ללא פיקוח הוא אשכולות. הוא מזהה את המקרים הדומים ומקבץ אותם יחד ליצירת אשכולות. בדרך כלל, למידה ללא פיקוח קשה מלמידה בפיקוח. בקיצור, למידת מכונה מסייעת בפיתוח מערכות שיכולות ללמוד ולבצע תחזיות באמצעות נתונים.

מהן רשתות עצביות

רשתות עצביות בהשראת נוירונים ביולוגיים. במוח האנושי ישנם מיליוני נוירונים והמידע עובר מנוירון אחד לשני. רשתות עצביות משתמשות ברעיון זה לביצוע משימות חישוביות מהר יותר.

איור 2: רשת עצבית

ישנם שני סוגים של רשתות עצביות הנקראות feedforward ומשוב. ב רשתות feedforward, המידע עובר רק מהקלט אל הפלט והוא אינו מכיל לולאת משוב. ב רשתות משובהמידע יכול לעבור לשני הכיוונים והוא מכיל נתיב משוב.

רשתות feedforward מסווגות לרשת שכבה אחת ורשת רב שכבתית. ברשת שכבה אחת, שכבת הקלט מתחברת לשכבת הפלט. מצד שני, לרשת הרב שכבתית יש יותר שכבות הנקראות שכבות נסתרות בין שכבת הקלט לשכבת הפלט.

רשת עצבית מכילה צמתים. צמתים אלה דומים לנוירונים במוח. יתר על כן, לחיבורים ברשת יש משקלים ספציפיים. כאשר הכניסות לצמתים הן x1, x2, x3… והמשקולות המתאימות הן w1, w2, w3,… קלט נטו (y) דומה להלן.

y = x1. w1 + x2. w2+x3.w3+….

לאחר החלת פונקציית ההפעלה כגון לינארית או סיגמואיד על קלט הרשת, היא מספקת את הפלט כמפורט להלן.

Y = F (y)

לאחר מכן, הפלט מוערך. המשקולות משתנות אם הפלט המוערך שונה מהתפוקה הרצויה. תהליך זה חוזר על עצמו עד לקבלת התפוקות הרצויות. זוהי הפונקציונליות הבסיסית של רשת עצבית.

ההבדל בין למידת מכונה לרשתות עצביות

הַגדָרָה

למידת עיבוד מתייחסת לאלגוריתמים המשתמשים בטכניקות סטטיסטיות המאפשרות למחשבים ללמוד מנתונים ולשפר את הביצועים במשימה ספציפית. רשת עצבית היא מערכת בהשראת נוירונים ביולוגיים במוח האנושי שיכולה לבצע משימות מחשוב מהר יותר.

אלגוריתמים

רגרסיה, סיווג, אשכולות, מכונת וקטורים תומכים, יערות אקראיים הם מעט אלגוריתמים בלמידת מכונה. רשתות עצביות הן גם אלגוריתם שנמצא תחת למידת מכונה.

סיכום

ההבדל בין למידת מכונה לרשתות עצביות הוא שלמידת המכונה מתייחסת לפיתוח אלגוריתמים שיכולים לנתח וללמוד מנתונים לקבלת החלטות בעוד שהרשתות העצביות הן קבוצת אלגוריתמים בלמידת מכונה המבצעות חישובים הדומים לנויטרונים במוח האנושי.

התייחסות:

1. מהי למידת מכונה? | יסודות למידת מכונה | הדרכה ללמידת מכונות | Edureka !, 16 במרץ 2018, זמין כאן.

באדיבות התמונה:

1. "3161590" (CC0) באמצעות Pixabay2. "רשת עצבית מלאכותית" מאת en: משתמש: Cburnett-עבודה משלה תמונת וקטור זו נוצרה עם Inkscape (CC BY-SA 3.0) באמצעות Commons Wikimedia