¿Los algoritmos de aprendizaje profundo representan métodos basados ​​en conjuntos?

En breve sobre el aprendizaje profundo (para referencia) :

El aprendizaje profundo es una rama del aprendizaje automático basado en un conjunto de algoritmos que intentan modelar abstracciones de alto nivel en los datos mediante el uso de un gráfico profundo con múltiples capas de procesamiento, compuesto de múltiples transformaciones lineales y no lineales.

Se han aplicado diversas arquitecturas de aprendizaje profundo, como redes neuronales profundas, redes neuronales profundas convolucionales, redes de creencias profundas y redes neuronales recurrentes a campos como la visión por computadora, el reconocimiento automático del habla, el procesamiento del lenguaje natural, el reconocimiento de audio y la bioinformática donde se ha demostrado que producen resultados de vanguardia en diversas tareas.

¿Se pueden ver las redes neuronales profundas o las redes neuronales profundas convolucionales como un método de aprendizaje automático basado en conjuntos ? O se trata de enfoques diferentes?

Debes pensar en ellos como enfoques diferentes. Una red neuronal profunda es un modelo independiente único, mientras que los modelos de conjunto son conjuntos de muchos modelos independientes.

La conexión principal entre los dos es la deserción , un método particular de entrenamiento de redes neuronales profundas que está inspirado en métodos de conjunto.

Las redes neuronales profundas podrían, en principio, ser un componente de un conjunto de algoritmos de aprendizaje automático , sí. El método de conjunto básicamente significa usar múltiples algoritmos y combinar su salida de alguna manera.

Aparte de eso, no veo ninguna conexión especial entre el aprendizaje profundo y la idea de los métodos de conjunto. DL es solo una herramienta más en el kit de herramientas.