Deep learning in het kort: van definitie tot voorbeelden

Deep learning: alles dat je moet weten over deep learning

In this article, we discuss deep learning. We give a definition, discuss how it works and give a number of examples of applications.

Deep learning: but first a definition of machine learning

Artificial Intelligence (AI) means as much as intelligent machines. These are machines that can hold a conversation, drive a car, and much more. Machine learning (ML), in other words: algorithms that learn through experience, are often used to make these machines smart and to learn the right skills. ML algorithms are getting better at their job by feeding them with data (examples). We also call it training.

Deep learning: hoe werkt machine learning precies?

Het trainen van ML-algoritmes gebeurt vaak via supervised learning. Dat betekent dat de algoritmes niet alleen gevoed worden met de input (de data), maar ook met de gewenste output, in dit geval labels genoemd. Door de machine op deze manier te trainen (met de input en de juiste output) leert het systeem (door ervaring) de input uiteindelijk zelf te vertalen naar de juiste output.

Deep learning: een voorbeeld van machine learning-algoritmes

Het algoritme zet de input na voldoende training om in voorspellingen. Stel dat je wilt dat je algoritme voorspellingen maakt over frauduleuze creditcard-transacties. In dat geval train je hetalgorithm with data on proven fraudulent credit card transactions. Is the algorithm sufficiently trained? Then it is able to make predictions about future fraudulent credit card transactions. For example: with 97 percent certainty, this is a fraudulent credit card transaction.

Deep learning: een definitie en uitleg van de werking

Deep learning (DL) is een subgebied van ML. Hierbij worden de algoritmen in lagen opgebouwd om een kunstmatig neuraal netwerk te maken, vergelijkbaar met een menselijk brein. Het mooie aan DL is dat de algoritmen zichzelf bij kunnen sturen door hun gewichten aan te passen.

In het voorbeeld dat we hierboven gebruikten over frauduleuze creditcard-transacties betekent dat concreet dat elke laag van het neuraal netwerk in staat is om een specifieke eigenschap te herkennen. De eerste laag gaat bijvoorbeeld op zoek naar hoge bedragen, de tweede naar banken in het buitenland, etc. Komt het systeem met een fout antwoord dan past het netwerk het gewicht dat mee wordt gegeven aan bepaalde neuronen aan. Zo kan een buitenlandse bank uiteindelijk minder belangrijk zijn bij het herkennen van een frauduleuze creditcard-transactie en dus minder zwaar mee moeten wegen. De volgende voorspelling zal op die manier beter kloppen.

Deep learning: een aantal voorbeelden en toepassingen

DL wordt op dit moment onder meer gebruikt voor spraakherkenning. Omdat de verschillende lagen in het neurale netwerk het systeem kunnen trainen met variaties in geluid kan het systeem stukjes geluid goed herkennen, ook in lawaaiige omgevingen. Middels DL is het ook mogelijk om zwart- witfoto’s in te kleuren, want doordat objecten herkend kunnen worden, kunnen ze ook met de juiste kleuren ingevuld te worden. Er zijn ook DL-systemen die dokters helpen betere beslissingen te maken, bijvoorbeeld door scans te lezen.

Deep learning: wat kan 3Bplus voor je bedrijf betekenen?

Wil je meer weten over wat 3Bplus kan betekenen op het gebied van deep learning? We hebben ons in de afgelopen jaren gespecialiseerd in de nieuwste innovaties op het gebied van telecom én slimme sensortechnologie, zoals in smart homes. Wij laten je graag de mogelijkheden en de voordelen zien. Neem gerust contact met ons op voor meer informatie.