Waarom is dit belangrijk?
Dankzij diepe neurale netwerken kunnen computers taken aanpakken waarvoor niemand van tevoren alle beslisregels kan opschrijven. In de zorg worden diepe neurale netwerken gebruikt voor medische beeldherkenning, onder meer om artsen te helpen bij het stellen van een diagnose. Voor patiënten en zorgverleners betekent dit extra steun bij een onderzoek, maar de uitkomst haalt niet altijd het niveau van een specialist.
Zo werkt het in de praktijk
Het netwerk LeNet herkende handgeschreven postcodes op post. Banken gebruikten de variant LeNet-5 om cijfers op cheques te lezen. Deep learning, dus het gebruik van diepe neurale netwerken, geldt daarnaast als bewezen techniek in de meteorologie en de procesautomatisering.
Onderzoekers toetsen of een diep neuraal netwerk een functie met een berekenbare oppervlakte kan nabootsen. Lu en collega’s zagen dat dit lukt met ReLU, een rekenslag die negatieve getallen op nul zet, als het netwerk breder is dan de invoer. Bij een kleinere of gelijke breedte kan dat niet.
Mensen trainen een diep neuraal netwerk op voorbeelden en testen het daarna op nieuwe gegevens. Trainen en testen horen bij het controleren van het model in machine learning.




