• 0 Allgemeines
• 1 Philosophie. Psychologie
• 2 Religion. Theologie
• 3 Sozialwissenschaften. Politik. Wirtschaft. Recht. Pädagogik. Völkerkunde
• 4 (nicht mehr belegt; früher: Sprachwissenschaften, Philologie)
• 5 Naturwissenschaften. Mathematik
• 6 Angewandte Wissenschaften. Medizin. Technik. Betriebswirtschaft. Informatik
• 7 Kunst. Kunsthandwerk. Musik. Spiel. Sport
• 8 Sprachwissenschaft. Literaturwissenschaft
• 9 Geographie. Biografien. Geschichte

1. Reti Neurali Artificiali: Il deep learning utilizza reti neurali artificiali che sono ispirate, seppur in modo molto semplificato, alle reti neurali biologiche del cervello umano. Queste reti sono costituite da nodi (neuroni artificiali) organizzati in strati.

2. Strati Multipli: A differenza delle reti neurali tradizionali, che potrebbero avere un solo strato nascosto, le reti neurali profonde hanno molteplici strati nascosti. Questi strati aggiuntivi consentono al modello di apprendere caratteristiche a livelli di complessità crescente.

3. Apprendimento di Caratteristiche: Uno dei punti di forza del deep learning è la sua capacità di apprendere automaticamente le caratteristiche importanti dai dati, senza bisogno di specificare esplicitamente queste caratteristiche. Ad esempio, in un'immagine, la rete può imparare a riconoscere bordi, forme e strutture senza essere programmata per farlo.

4. Ampie Applicazioni: Il deep learning è utilizzato in una vasta gamma di applicazioni, come il riconoscimento vocale, la visione artificiale, il riconoscimento di oggetti in immagini e video, la traduzione automatica, e molto altro.

5. Grande Quantità di Dati e Potenza di Calcolo: Il deep learning richiede generalmente grandi quantità di dati di allenamento e significative risorse di calcolo, specialmente quando si tratta di reti molto profonde e complesse.

6. Metodi Specifici: Include varie architetture come reti neurali convoluzionali (CNN) per l'elaborazione di immagini e reti neurali ricorrenti (RNN) per dati sequenziali come il linguaggio.

7. Autoapprendimento e Adattabilità: Queste reti possono migliorare le proprie prestazioni apprendendo dai dati, diventando più precise nel riconoscimento o nella predizione man mano che vengono alimentate con più informazioni.

In sintesi, il deep learning rappresenta una frontiera avanzata nell'IA, offrendo la possibilità di modellare e interpretare dati complessi in modi che non erano possibili con i metodi tradizionali di machine learning. Questo ha portato a progressi significativi in molti campi della scienza e della tecnologia.

• The brain has many types of memory systems. One type follows for stages of processing: encoding, storing, retrieving, and forgetting.
• Information coming into your brain is immediately split into fragments that are sent to different regions of the cortex for storage.
• Most of the events that predict whether something learned also will be remembered occur in the first few seconds of learning. The more elaborately we encode a memory during its initial moments, the stronger it will be.
• You can improve your chances of remembering soething if you reproduce the environment in which you first put it into your brain.