Os algoritmos de aprendizado profundo representam métodos baseados em conjuntos?

Pouco sobre aprendizado profundo (para referência) :

O aprendizado profundo é um ramo do aprendizado de máquina baseado em um conjunto de algoritmos que tentam modelar abstrações de alto nível nos dados usando um gráfico profundo com várias camadas de processamento, compostas por várias transformações lineares e não lineares.

Várias arquiteturas de aprendizado profundo, como redes neurais profundas, redes neurais profundas convolucionais, redes de crenças profundas e redes neurais recorrentes, foram aplicadas a campos como visão computacional, reconhecimento automático de fala, processamento de linguagem natural, processamento de linguagem natural, reconhecimento de áudio e bioinformática, onde eles mostraram produzir resultados de ponta em várias tarefas.

As redes neurais profundas ou redes neurais profundas convolucionais podem ser vistas como um método de aprendizado de máquina baseado em conjuntos ? Ou são abordagens diferentes?

Você deve pensar nelas como abordagens diferentes. Uma rede neural profunda é um único modelo independente, enquanto os modelos de conjuntos são conjuntos de muitos modelos independentes.

A conexão principal entre os dois é o abandono , um método específico de treinamento de redes neurais profundas, inspirado nos métodos de conjunto.

Redes neurais profundas poderiam - em princípio - ser um componente de um conjunto de algoritmos de aprendizado de máquina , sim. O método Ensemble basicamente significa usar vários algoritmos e combinar sua saída de alguma forma.

Fora isso, não vejo nenhuma conexão especial entre o aprendizado profundo e a ideia de métodos de ensemble. DL é apenas mais uma ferramenta no kit de ferramentas.