Bei Deep Learning geht es darum, unbekannte Konzepte zu lernen. Sie werden daher typischerweise verwendet, um Muster in Datensätzen zu finden. Dies ist unbeaufsichtigt, da diese Muster nicht unbedingt a priori bekannt sind. Beim überwachten Lernen ist jedoch die Art des Musters, das Sie benötigen, leicht in Form von Trainingsmustern zu verstehen, die zu den Daten passen, die Sie zu lernen versuchen. Diese Muster werden zur Grundlage für die Anpassung Ihres Modells (z. B. ein neuronales Netzwerk, das unter Verwendung der Rückausbreitung trainiert wurde) an Ihre Daten. Es gibt keine echte Entdeckung neuer Konzepte und Komponenten. Aus dieser Perspektive würde ich sagen, dass kein tiefes Lernen nicht zur Lösung von überwachten Lernproblemen angewendet werden kann.
Nachdem dies gesagt wurde, können Sie es möglicherweise verwenden, um interessante Muster in Ihren Daten zu finden. Sie könnten dann diese interessanten Muster als Grundlage für das Training verwenden, das einen Standard überwachten Ansatz verwendet. Vielleicht ist dies das, was sie oben getan haben, wo Sie
erwähnen "Sie sagen auch, dass die Neuronen mit unbeaufsichtigten RBM-Netzwerk vortrainiert sind. Später werden sie Fein abgestimmt mit Back Propagation-Algorithmus (überwacht)."
Ohne gelesen zu haben, was Sie gelesen haben, haben sie vielleicht mit einem unbeaufsichtigten Algorithmus begonnen, um die interessantesten Daten zu finden und dabei eine Form der Dimensionsreduktion durchzuführen, die zu Daten führte, die leichter zu trainieren waren als die Originaldaten überwachte Algorithmus.
Dank lejlot und Ben. Diese Einsichten sind sehr hilfreich. – alex
Fühlen Sie sich frei, eine der bereitgestellten Antworten zu akzeptieren (je nachdem, was besser Ihren Bedürfnissen entspricht) – lejlot