Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Автокодувальник× | Згорткова нейронна мережа (класифікація)× | |
|---|---|---|
| Галузь | Глибоке навчання | Глибоке навчання |
| Родина | Machine learning | Machine learning |
| Рік появи≠ | 2006 | 1998 |
| Автор методу≠ | Hinton, G.E. & Salakhutdinov, R.R. | LeCun, Y. et al. |
| Тип≠ | Neural network (encoder-decoder) | Deep neural network (convolutional) |
| Основоположне джерело≠ | Hinton, G.E. & Salakhutdinov, R.R. (2006). Reducing the Dimensionality of Data with Neural Networks. Science, 313(5786), 504–507. DOI ↗ | LeCun, Y., Bottou, L., Bengio, Y. & Haffner, P. (1998). Gradient-Based Learning Applied to Document Recognition. Proceedings of the IEEE, 86(11), 2278–2324. DOI ↗ |
| Інші назви | Otokodlayıcı (Autoencoder), otokodlayıcı, auto-encoder, encoder-decoder network | CNN (Evrişimli Sinir Ağı — Sınıflandırma), CNN classification, ConvNet, convolutional network classifier |
| Пов'язані≠ | 4 | 5 |
| Підсумок≠ | An autoencoder is an encoder-decoder neural network, popularised by Hinton and Salakhutdinov in 2006, that compresses data into a low-dimensional latent code and then reconstructs it, enabling dimensionality reduction and anomaly detection. By learning to rebuild its own input through a narrow bottleneck, it discovers a compact representation of the data. | A Convolutional Neural Network (CNN) is a deep learning model, established by LeCun and colleagues in 1998, that learns local patterns directly from images and structured data to classify them. Stacks of convolutional filters discover increasingly abstract features, so manual feature engineering can be largely reduced. |
| ScholarGateНабір даних ↗ |
|
|