¿Cuál es la diferencia entre el aprendizaje profundo y la red neuronal multicapa?


Respuesta 1:

Le sugiero que lea las más de 20 respuestas en ¿Qué es el aprendizaje profundo? ¿Por qué es esta una tendencia creciente en el aprendizaje automático? ¿Por qué no usar SVM? Este tema se discute allí bajo una gran cantidad de puntos de vista sensibles diferentes.

Pero creo que nadie arriesgará una opinión como "... si un NN tiene 5 capas es profundo, pero con solo 4 capas no es profundo ..." :-)

Solo como una pequeña nota, históricamente las NN con más de 2 capas eran difíciles de entrenar y usaban una gran cantidad de tiempo de computadora. Máquinas paralelas modernas (principalmente GPU) con mucha memoria (32 GB o más de RAM en PC de escritorio es común), así como avances en las técnicas y arquitecturas de entrenamiento NN (redes neuronales profundas, redes neuronales profundas convolucionales, redes de creencias profundas y recurrentes las redes neuronales, por ejemplo) permitieron redes mucho más complejas capaces de "extraer" información profundamente oculta en grandes conjuntos de datos.


Respuesta 2:

Realmente no hay diferencia. Es solo una nueva marca del nombre porque 'redes neuronales' no significaba dinero para becas de investigación. Informalmente, si escuchas 'aprendizaje profundo' significa redes neuronales modernas, mientras que si escuchas 'redes neuronales' podría significar esas redes neuronales pequeñas de los años ochenta y noventa.

Hoy en día los nombres se usan indistintamente, de todos modos.