Diferencia entre la red neuronal y el aprendizaje profundo

los diferencia clave entre la red neuronal y el aprendizaje profundo es que la red neuronal funciona de manera similar a las neuronas en el cerebro humano para realizar varias tareas de computación más rápido, mientras que el aprendizaje profundo es un tipo especial de aprendizaje automático que imita el enfoque de aprendizaje que los humanos utilizan para obtener conocimiento.

La red neuronal ayuda a construir modelos predictivos para resolver problemas complejos. Por otro lado, el aprendizaje profundo es una parte del aprendizaje automático. Ayuda a desarrollar el reconocimiento de voz, el reconocimiento de imágenes, el procesamiento del lenguaje natural, los sistemas de recomendación, la bioinformática y muchos más. La red neuronal es un método para implementar el aprendizaje profundo..

CONTENIDO

1. Resumen y diferencia clave
2. ¿Qué es la red neuronal?
3. Que es Deep Learning
4. Comparación lado a lado - Red neuronal vs Aprendizaje profundo en forma tabular
5. Resumen

¿Qué es la red neuronal??

Las neuronas biológicas son la inspiración para las redes neuronales. Hay millones de neuronas en el cerebro humano y el proceso de información de una neurona a otra. Las redes neuronales utilizan este escenario. Crean un modelo de computadora similar a un cerebro. Puede realizar tareas complejas de computación más rápido que un sistema habitual.

Figura 01: Diagrama de bloques de la red neuronal

En una red neuronal, los nodos se conectan entre sí. Cada conexión tiene un peso. Cuando las entradas a los nodos son x1, x2, x3, ... y los pesos correspondientes son w1, w2, w3, ... entonces la entrada neta (y) es,

 y = x1w1 + x2w2 + x3w3 +… .

Después de aplicar la entrada de red a la función de activación, da la salida. La función de activación puede ser lineal o sigmoidea..

Y = F (y)

Si esta salida es diferente de la salida deseada, el peso se ajusta nuevamente y este proceso continúa hasta obtener la salida deseada. Este peso de actualización se realiza según el algoritmo de backpropagation..

Hay dos topologías de redes neuronales llamadas feedforward y feedback. Las redes de feedforward no tienen bucle de retroalimentación. En otras palabras, las señales solo fluyen desde la entrada a la salida. Las redes de avance hacia adelante se dividen en redes neuronales de una sola capa y de múltiples capas.

Tipos de red

En las redes de una sola capa, la capa de entrada se conecta a la capa de salida. La red neuronal multicapa tiene más capas entre la capa de entrada y la capa de salida. Esas capas se llaman las capas ocultas. El otro tipo de red que es la red de retroalimentación tiene rutas de retroalimentación. Además, existe la posibilidad de pasar información a ambos lados..

Figura 02: Red neuronal multicapa

Una red neuronal aprende modificando los pesos de la conexión entre los nodos. Hay tres tipos de aprendizaje, como aprendizaje supervisado, aprendizaje no supervisado y aprendizaje por refuerzo. En el aprendizaje supervisado, la red proporcionará un vector de salida de acuerdo con el vector de entrada. Este vector de salida se compara con el vector de salida deseado. Si hay una diferencia, los pesos se modificarán. Este proceso continúa hasta que la salida real coincida con la salida deseada.

En el aprendizaje no supervisado, la red identifica los patrones y las características de los datos de entrada y la relación de los datos de entrada por sí misma. En este aprendizaje, los vectores de entrada de tipos similares se combinan para crear grupos. Cuando la red obtiene un nuevo patrón de entrada, dará la salida especificando la clase a la que pertenece ese patrón de entrada. El aprendizaje por refuerzo acepta algunos comentarios del entorno. Entonces la red cambia los pesos. Esos son los métodos para entrenar una red neuronal. En general, las redes neuronales ayudan a resolver varios problemas de reconocimiento de patrones.

Que es Deep Learning?

Antes del aprendizaje profundo, es importante discutir el aprendizaje automático. Da la posibilidad de que una computadora aprenda sin programarse explícitamente. En otras palabras, ayuda a crear algoritmos de autoaprendizaje para analizar datos y reconocer patrones para tomar decisiones. Pero, hay algunas limitaciones es el aprendizaje automático general. En primer lugar, es difícil trabajar con datos de alta dimensión o con un conjunto extremadamente grande de entradas y salidas. También puede ser difícil realizar la extracción de características..

El aprendizaje profundo resuelve estos problemas. Es un tipo especial de aprendizaje automático. Ayuda a construir algoritmos de aprendizaje que pueden funcionar de manera similar al cerebro humano. Las redes neuronales profundas y las redes neuronales recurrentes son algunas arquitecturas de aprendizaje profundo. Una red neuronal profunda es una red neuronal con múltiples capas ocultas. Las redes neuronales recurrentes usan la memoria para procesar secuencias de entradas.

¿Cuál es la diferencia entre la red neuronal y el aprendizaje profundo??

Una red neuronal es un sistema que funciona de manera similar a las neuronas en el cerebro humano para realizar varias tareas de computación más rápido. El aprendizaje profundo es un tipo especial de aprendizaje automático que imita el enfoque de aprendizaje que los humanos usan para obtener conocimiento. La red neuronal es un método para lograr un aprendizaje profundo. Por otro lado, Deep Leaning es una forma especial de Machine Leaning. Esta es la principal diferencia entre la red neuronal y el aprendizaje profundo.

Resumen - Red neuronal vs Aprendizaje profundo

La diferencia entre la red neuronal y el aprendizaje profundo es que la red neuronal funciona de manera similar a las neuronas en el cerebro humano para realizar varias tareas de computación más rápido, mientras que el aprendizaje profundo es un tipo especial de aprendizaje automático que imita el enfoque de aprendizaje que los humanos utilizan para obtener conocimiento..

Referencia:

1. “¿Qué es el aprendizaje profundo (Deep Neural Network)? - Definición de WhatIs.com. ”SearchEnterpriseAI. Disponible aquí 
2. “Aprendizaje profundo”. Wikipedia, Wikimedia Foundation, 30 de mayo de 2018. Disponible aquí  
3.edurekaIN. ¿Qué es el aprendizaje profundo | Aprendizaje profundo simplificado | Tutorial de Aprendizaje Profundo | Edureka, Edureka !, 10 de mayo de 2017. Disponible aquí   
Punto 4.Tutoriales. "Bloques de construcción de redes neuronales artificiales".  Punto de tutoriales, 8 de enero de 2018. Disponible aquí  

Imagen de cortesía:

1. 'Red neuronal artificial' Por Geetika saini - Trabajo propio, (CC BY-SA 4.0) vía Commons Wikimedia  
2.'MultiLayerNeuralNetworkBigger english'By MultiLayerNeuralNetwork_english.png: Chrislbderivative work: - HELLKNOWZ TALK ▎enWP TALK (CC BY-SA 3.0) vía Commons Wikimedia