Changes between Version 6 and Version 7 of AGMFM - 4. Машинско учење

Timestamp:

11/16/18 06:18:07 (6 years ago)

Author:

Monika Rizova

Comment:

—

AGMFM - 4. Машинско учење

@@ -19 +19 @@
 Постојат повеќе методи за машинско учење. Некои од нив се: надгледувано учење, ненадгледувано учење, делумно-надгледувано учење, намалување на димензионалноста и др. 
 
-{{{#!box type=todo
-Тука не е објаснето зошто од сите други методи токму NN, RNN и LSTM ќе ги објаснуваш во повеќе детали. Треба прво тоа, па дури потоа може да се каже дека заради тоа во следниот текст што ќе биде разгледано.
-}}} 
+Невронските мрежи, како дел од надгледувано машинско учење, се користат за решавање на многу проблеми од секојдневниот живот, како на пр. во системи за предвидување на текст, менување на стил на слика, класифицирање на болести во медицината и сл.   Корисни се заради тоа што добро се справуваат со секвенциони податоци, како што е музиката, а посебен вид на невронски мрежи, наречени рекурентни невронски мрежи овозможуваат справување со секој дел од секвенциониот податок. Постојат повеќе видови на рекурентни невронски мрежи меѓу кои: двонасочни р.н.м., длабоки двонасочни р.н.м., р.н.м. со долго-краткорочна меморија. Од нив ги избрав р.н.м. со долго-краткорочна меморија затоа што се способни да го научат контекстот и го решаваат проблемот со меморија на р.н.м. 
 
 Методот кој ќе биде претставен во овој труд е надгледувано учење со помош на вештачки невронски мрежи. Вештачките невронски мрежи се компјутерски системи кои се инспирирани од природата и не претставуваат алгоритам туку рамка по која алгоритмите за машинско учење работат.   Најпрво ќе дискутирам за рекурентни невронски мрежи, а потоа за посебен тип на рекуренти невронски мрежи наречен LSTM .