In the last chapter we learned that

In the last chapter we learned that deep neural networks are often much harder to train than shallow neural networks. That's unfortunate, since we have good reason to believe that if we could train deep nets they'd be much more powerful than shallow nets. But while the news from the last chapter is discouraging, we won't let it stop us. In this chapter, we'll develop techniques which can be used to train deep networks, and apply them in practice. We'll also look at the broader picture, briefly reviewing recent progress on using deep nets for image recognition, speech recognition, and other applications. And we'll take a brief, speculative look at what the future may hold for neural nets, and for artificial intelligence.

ผลลัพธ์ (ไทย) 1:

ในบทสุดท้าย เรารู้ว่า เครือข่ายประสาทลึกมักมากยากฝึกกว่าเครือข่ายประสาทตื้น นั่นคือโชคร้าย เนื่องจากเรามีเหตุผลที่ดีเชื่อว่า ถ้าเราสามารถฝึกลึกสุทธิ พวกเขาจะมีประสิทธิภาพมากขึ้นกว่าตื้นสุทธิ แต่ในขณะที่ข่าวจากบทสุดท้ายคือ discouraging เราจะไม่ปล่อยให้มันหยุดเราในบทนี้ เราจะพัฒนาเทคนิคที่สามารถใช้ในการฝึกอบรมเครือข่ายลึก และนำไปใช้ในทางปฏิบัติ เราจะยังมองภาพที่กว้างขึ้น สั้น ๆ ตรวจสอบความคืบหน้าล่าสุดเกี่ยวกับการใช้สุทธิลึกสำหรับการจดจำภาพ รู้ และการประยุกต์อื่น ๆ และเราจะดูสั้น ๆ เก็งที่ว่าอนาคตอาจระงับประสาทสุทธิ และปัญญาประดิษฐ์

ผลลัพธ์ (ไทย) 2:

ในบทที่ผ่านมาเราได้เรียนรู้ว่าเครือข่ายประสาทลึกยากมากที่จะดำเนินการบ่อยครั้งกว่าเครือข่ายประสาทตื้น ที่โชคร้ายเนื่องจากเรามีเหตุผลที่ดีที่จะเชื่อว่าเราสามารถสุทธิถ้ารถไฟลึกพวกเขาต้องการจะมีประสิทธิภาพมากขึ้นกว่าสุทธิตื้น วัตถุประสงค์ในขณะที่ข่าวจากบทสุดท้ายคือท้อใจเราจะไม่ปล่อยให้มันหยุดเรา ในบทนี้เราจะพัฒนาใคร peut êtreทางเทคนิคที่ใช้ในการประมวลผลเครือข่ายลึกและนำไปใช้ในการปฏิบัติ em เราจะดูที่égalementภาพที่กว้างกว่ามันสั้น ๆ การตรวจสอบความคืบหน้าล่​​าสุดของการใช้สุทธิลึกสำหรับการรับรู้ภาพ, รู้จำเสียงพูดและการใช้งาน --other และเราจะใช้เวลาสั้น ๆ ลักษณะการเก็งกำไรในสิ่งที่ถือในอนาคตสำหรับเดือนพฤษภาคมสุทธิประสาทและปัญญาประดิษฐ์

ผลลัพธ์ (ไทย) 3:

ในบทที่แล้วเราได้เรียนรู้ว่าเครือข่ายเส้นประสาทที่ลึกมากมักได้รับการฝึกอบรมมากกว่าน้ำตื้นที่ยากจะเครือข่ายเส้นประสาทได้ เป็นที่น่าเสียดายเนื่องจากเรามีเหตุผลที่เชื่อได้ว่าหากเราสามารถฝึกซ้อม Deep net พวกเขาจะมีประสิทธิภาพมากกว่ากำไรสุทธิที่ตื้น การใช้งานตามวัตถุประสงค์ในขณะที่ข่าวจากบทสุดท้ายคือทำให้คุณท้อใจเพราะเราจะไม่ปล่อยให้มันหยุดให้กับเรา ในบทนี้เราจะพัฒนาเทคนิคซึ่งสามารถนำไปใช้ในการฝึกอบรมเครือข่ายที่ลึกและนำไปใช้ในทางปฏิบัติ นอกจากนั้นเรายังจะได้ดูที่ภาพให้กว้างขึ้นเป็นเวลาสั้นๆที่การตรวจดูความคืบหน้าล่าสุดเกี่ยวกับการใช้อินเตอร์เน็ตสำหรับการรู้จำภาพที่ลึก , การรู้จำเสียงพูดและแอปพลิเคชันอื่นได้ และเราจะทำให้การเก็งกำไรสั้นๆดูสิ่งที่อนาคตอาจค้างไว้สำหรับ Net และเส้นประสาทสำหรับระบบปัญญาประดิษฐ์