Основное различие между машинным обучением и нейронными сетями заключается в том, что машинное обучение относится к разработке алгоритмов, которые могут анализировать данные и учиться на них для принятия решений, в то время как нейронные сети - это группа алгоритмов машинного обучения, которые выполняют вычисления, аналогичные нейронам в человеческом мозгу.

Машинное обучение - это метод разработки самообучающихся алгоритмов, которые могут анализировать данные, учиться на них, распознавать закономерности и принимать соответствующие решения. Это подкатегория искусственного интеллекта. В машинном обучении используются различные алгоритмы. Нейронная сеть - одна из них. Эти концепции широко используются в различных областях, таких как медицина, робототехника, производство и сельское хозяйство.

Искусственный интеллект, Сеть обратной связи, Сеть с прямой связью, Машинное обучение, Нейронные сети, Обучение с учителем, Обучение без учителя

Что такое машинное обучение

Машинное обучение - это разновидность искусственного интеллекта. Алгоритмы машинного обучения анализируют данные, учатся на них и принимают решения. Он использует статистические методы и позволяет машине совершенствоваться с опытом.

Рисунок 1: Машинное обучение

Существует два основных типа машинного обучения: обучение с учителем и обучение без учителя. В контролируемое обучение, есть входные переменные (x) и выходные переменные (y). Алгоритм обучается путем сопоставления входов с выходами (y = f (x)). При предоставлении нового ввода алгоритм должен предсказать результат. Линейная регрессия, машина опорных векторов и случайные леса - вот некоторые примеры контролируемого обучения.

В обучение без учителя, есть только входные данные (x). Нет выходных данных. В этом типе нет необходимости обучать алгоритм. Вместо этого он самостоятельно обнаруживает закономерности во входных данных. Одним из основных алгоритмов обучения без учителя является кластеризация. Он идентифицирует похожие экземпляры и группирует их вместе для создания кластеров. Обычно обучение без учителя труднее, чем обучение с учителем. Короче говоря, машинное обучение помогает разрабатывать системы, которые могут обучаться и выполнять прогнозы с использованием данных.

Что такое нейронные сети

Нейронные сети вдохновлены биологическими нейронами. В человеческом мозге миллионы нейронов, и информация передается от одного нейрона к другому. Нейронные сети используют эту концепцию для более быстрого выполнения вычислительных задач.

Рисунок 2: Нейронная сеть

Существует два типа нейронных сетей, называемых прямой связью и обратной связью. В сети прямого распространения, информация проходит только от входа к выходу и не содержит петли обратной связи. В сети обратной связи, информация может передаваться в обоих направлениях и содержит путь обратной связи.

Сети прямого распространения далее подразделяются на одноуровневые и многоуровневые сети. В однослойной сети входной слой соединяется с выходным слоем. С другой стороны, многослойная сеть имеет больше слоев, называемых скрытыми слоями, между входным и выходным слоями.

Нейронная сеть содержит узлы. Эти узлы похожи на нейроны головного мозга. Кроме того, соединения в сети имеют определенный вес. Когда входные данные для узлов равны x1, x2, x3… и соответствующие веса равны w1, w2, w3,…, чистый ввод (y) аналогичен следующему.

у = х1. w1 + x2. w2 + x3.w3 +….

После применения функции активации, такой как линейная или сигмоидальная, к входу сети, он обеспечивает выход, как показано ниже.

Y = F (у)

Затем результат оценивается. Веса корректируются, если оцененный результат отличается от желаемого. Этот процесс повторяется до тех пор, пока не будут получены желаемые результаты. Это базовый функционал нейронной сети.

Разница между машинным обучением и нейронными сетями

Определение

Машинное обучение относится к алгоритмам, в которых используются статистические методы, позволяющие компьютерам учиться на данных и постепенно повышать производительность при выполнении конкретной задачи. Нейронная сеть - это система, вдохновленная биологическими нейронами человеческого мозга, которые могут быстрее выполнять вычислительные задачи.

Алгоритмы

Регрессия, классификация, кластеризация, машина опорных векторов, случайные леса - это несколько алгоритмов в машинном обучении. Нейронные сети также являются алгоритмом, который относится к машинному обучению.

Заключение

Разница между машинным обучением и нейронными сетями заключается в том, что машинное обучение относится к разработке алгоритмов, которые могут анализировать данные и учиться на них для принятия решений, в то время как нейронные сети - это группа алгоритмов машинного обучения, которые выполняют вычисления, аналогичные нейтронам в человеческом мозгу.

Ссылка:

1. Что такое машинное обучение? | Основы машинного обучения | Учебник по машинному обучению | Edureka !, 16 марта 2018 г., доступно здесь.

Изображение предоставлено:

1. «3161590» (CC0) через Pixabay2. «Искусственная нейронная сеть» Автор: Пользователь: Cburnett - собственная работа Это векторное изображение было создано с помощью Inkscape (CC BY-SA 3.0) через Commons Wikimedia