Scholar Hub/Chủ đề/#học sâu/
Học sâu (deep learning) là một phương pháp học máy trong lĩnh vực trí tuệ nhân tạo, trong đó mô hình máy tính được huấn luyện để tự động tìm hiểu, phân tích và ...
Học sâu (deep learning) là một phương pháp học máy trong lĩnh vực trí tuệ nhân tạo, trong đó mô hình máy tính được huấn luyện để tự động tìm hiểu, phân tích và rút trích dữ liệu có cấu trúc phức tạp từ dữ liệu đầu vào. Mô hình học sâu thông thường được xây dựng dựa trên mạng nơ-ron nhân tạo với nhiều lớp ẩn, cho phép việc xử lý thông tin theo các cấu trúc phức tạp và chức năng như nhận dạng hình ảnh, xử lý ngôn ngữ tự nhiên và dự đoán. Học sâu đã được ứng dụng rộng rãi trong nhiều lĩnh vực như xử lý ảnh, xử lý ngôn ngữ tự nhiên, nhận dạng giọng nói, và tự động lái xe.
Học sâu (deep learning) là một phương pháp học máy dựa trên mạng nơ-ron nhân tạo (artificial neural network) có nhiều lớp ẩn, giúp máy tính tự động học các đặc trưng và mô hình hóa dữ liệu phức tạp.
Mạng nơ-ron nhân tạo trong học sâu bao gồm nhiều lớp kết nối và mỗi lớp có nhiều đơn vị xử lý (neuron) gắn với nhau thông qua các trọng số. Mỗi đơn vị xử lý nhận dữ liệu từ các đơn vị xử lý ở lớp trước đó, tính toán và chuyển tiếp kết quả cho các đơn vị tiếp theo. Dữ liệu sau khi đi qua các lớp kết nối sẽ được đưa vào một lớp cuối cùng để đưa ra kết quả dự đoán.
Quá trình huấn luyện một mạng nơ-ron nhân tạo trong học sâu thường được thực hiện thông qua việc tối ưu hóa hàm mất mát (loss function) bằng cách điều chỉnh các trọng số trong mạng. Phương pháp thông dụng để tối ưu hóa bao gồm lan truyền ngược (backpropagation) và gradient descent.
Học sâu đã chứng minh hiệu quả và ứng dụng rộng rãi trong nhiều lĩnh vực. Ví dụ, trong xử lý ảnh, học sâu có thể được sử dụng để nhận dạng đối tượng, phân loại hình ảnh và tự động gán nhãn. Trong xử lý ngôn ngữ tự nhiên, nó có thể được sử dụng để dịch máy, xác định ý kiến từ đoạn văn và sinh văn bản tự động. Ngoài ra, học sâu cũng được áp dụng trong các lĩnh vực như nhận dạng giọng nói, dự đoán chuỗi thời gian và tự động lái xe.
Tuy học sâu mang lại nhiều tiềm năng, nhưng việc huấn luyện mô hình học sâu thường đòi hỏi rất nhiều dữ liệu và công nghệ tính toán mạnh mẽ để đạt hiệu suất tốt.
Giảm Kích Thước Dữ Liệu Bằng Mạng Nơ-ron Dịch bởi AI American Association for the Advancement of Science (AAAS) - Tập 313 Số 5786 - Trang 504-507 - 2006
Dữ liệu nhiều chiều có thể được chuyển đổi thành các mã thấp chiều bằng cách huấn luyện một mạng nơ-ron đa lớp với lớp trung tâm nhỏ để tái tạo các vector đầu vào nhiều chiều. Phương pháp giảm gradient có thể được sử dụng để tinh chỉnh các trọng số trong các mạng 'autoencoder' như vậy, nhưng điều này chỉ hoạt động tốt nếu các trọng số ban đầu gần với một giải pháp tốt. Chúng tôi mô tả một ...... hiện toàn bộ #giảm kích thước dữ liệu #mạng nơ-ron #autoencoder #phân tích thành phần chính #học sâu #khởi tạo trọng số
Hướng dẫn về Quản lý Chấn thương Não nghiêm trọng, Phiên bản thứ Tư Dịch bởi AI Neurosurgery - Tập 80 Số 1 - Trang 6-15 - 2017
Tóm tắt
Phạm vi và mục đích của nghiên cứu này gồm hai phần: tổng hợp bằng chứng hiện có và chuyển hóa nó thành các khuyến nghị. Tài liệu này chỉ đưa ra các khuyến nghị khi có bằng chứng hỗ trợ. Do đó, chúng không cấu thành một giao thức hoàn chỉnh cho việc sử dụng trong lâm sàng. Ý định của chúng tôi là các khuyến nghị này sẽ được sử dụng bởi những người...... hiện toàn bộ #chấn thương não #quản lý lâm sàng #bằng chứng y học #hướng dẫn #chăm sóc chuyên sâu
Các vấn đề hành vi bên ngoài sớm: Trẻ nhỏ và mẫu giáo có nguy cơ điều chỉnh kém sau này Dịch bởi AI Development and Psychopathology - Tập 12 Số 3 - Trang 467-488 - 2000
Bài báo thảo luận về sự xuất hiện sớm và các tác động phát triển của các vấn đề hành vi bên ngoài ở trẻ mới biết đi và trẻ mẫu giáo, với sự nhấn mạnh vào những trẻ thực sự có nguy cơ gặp vấn đề lâu dài. Tài liệu hiện có được xem xét, với sự tập trung vào sự ổn định của hành vi bên ngoài sớm và các con đường đa dạng mà trẻ em, chủ yếu là bé trai, với các vấn đề xuất hiện sớm có thể theo. Kết quả từ...... hiện toàn bộ #hành vi bên ngoài #trẻ mới biết đi #trẻ mẫu giáo #nguy cơ #điều chỉnh kém #hiếu động #hung hăng #nuôi dạy trẻ #căng thẳng gia đình #nhân khẩu học xã hội #khu vực lân cận
Nghiên cứu theo chiều hướng về tỷ lệ mắc chứng đông máu tĩnh mạch sâu trong một quần thể đô thị xác định Dịch bởi AI Journal of Internal Medicine - Tập 232 Số 2 - Trang 155-160 - 1992
Trong một nghiên cứu theo chiều hướng, tất cả các phlebographies dương tính trong quần thể được xác định rõ ở thành phố MalmÖ, Thụy Điển, trong năm 1987 được nghiên cứu nhằm xác định tỷ lệ mắc chứng đông máu tĩnh mạch sâu (DVT). Dữ liệu dịch tễ học đã được phân tích để phát hiện các nhóm bệnh nhân có nguy cơ cao về DVT. Tỷ lệ mắc bệnh được phát hiện là bằng nhau ở cả hai giới, tức là 1,6 t...... hiện toàn bộ #Đông máu tĩnh mạch sâu #Quần thể đô thị #Thụy Điển #Dữ liệu dịch tễ học #Yếu tố nguy cơ
