Hluboké učení: Porovnání verzí

'''Hluboké učení''' ({{Vjazyce2|en|''deep learning''}}) je disciplína v rámci [[Strojové učení|strojového učení]], která se zabývá využitím [[Algoritmus|algoritmů]] (především [[Neuronová síť|neuronových sítí]]) s velkým počtem vrstev (layers) reprezentujících data. ''Hloubkou modelu'' se nazývá počet vrstev (obvykle složených z umělých neuronů), které jsou za sebou zapojeny tak, že výstup jedné z nich je vstupem následující vrstvy. U modelů hlubokého učení se přitom hloubka nachází často v řádech desítek a více vrstev. Pro odhad parametrů sítě (trénování) se obvykle používá algoritmus [[zpětné šíření chyby|zpětného šíření chyby]]. Trénování probíhá ve dvou fázích, tj. nejprve předučení sítě dopředným směrem (učení bez učitele) a poté doučení sítě zpětným směrem (učení s učitelem), eliminuje se tak tlumení zpětného šíření chyby. Metodologie hlubokého učení se prosadila kolem roku 2010 jako základní možnost pro řešení složitých problémů strojového učení jako je klasifikace obrazů, promluv a videí nebo překlady z jednoho přirozeného jazyka do jiného.