|
Konvolyutsion neyron tarmoqlari (CNN) -
|
| bet | 4/11 | | Sana | 19.12.2023 | | Hajmi | 94,65 Kb. | | #124237 |
Bog'liq 1-Amaliy ish 11-sinf-informatika-testlar-3, Dasturlash 2(rus), Mavzu Kiyim shaklini hosil qilish vositalari, Mavzu Kiyimga qo‘yiladigan sifat ko‘rsatkichlari, ISLOM DINI SHIYALIK OQIMI, 5-Amaliy ish, 1 nomeer, 3-Amaliy ish, Amaliy ish 1 umrbek, dilnoza, ata baxrom 1, Marat Sultonov 60 yoshda (1) 1-макола, 2-Mavzu XVII asr o‘rtasida -XX asrning boshida Yaponiya, Xitoy , Mavzu Funksional fizik metod qanday metod Konvolyutsion neyron tarmoqlari (CNN) - bilan bog'liq ko'plab vazifalar uchun mashhurlikka erishdi tasvirni aniqlash (2012 yildan beri ImageNet tanlovida konvolyutsion neyron tarmog'i raqobatchilardan sezilarli darajada ustun keldi). CNN konvolyutsion qatlamlarning almashinishidir (oldingi qatlamni bo'laklarga ishlov beradi - masalan, 8 * 8 hujayradan iborat "derazalar") va pastki namuna olish qatlamlari ("oldingi qatlamning qismlarini ixchamlashtiradi", ularning hajmini kamaytiradi). Ushbu yondashuv piksel boshiga juda progressiv muqobildir tasvirni aniqlash. CNN ning kamchiliklari sezilarli raqamni o'z ichiga oladi tarmoq giperparametrlari (qatlamlar soni, qatlamni qayta ishlashda yadro siljishi bosqichi, kerak pastki namuna olish qatlamlari, ularning o'lchovlilikni kamaytirish darajasi, qisqartirish funktsiyasi o'lchamlar va boshqalar), ularning qiymatlari odatda "ijodiy" tanlanishi kerak.
Takroriy neyron tarmoqlari (RNN) bilan bog'liq muammolarni hal qilish uchun eng mos keladi har qanday ketma-ketlikni tanib olish: ovoz, matn, musiqa va boshqalar. RNN xotiraning mavjudligi bilan farqlanadi: neyronlar o'zlarining oldingi javoblarini eslab qolishlarini aytishimiz mumkin va keyingi safar ishga tushirilganda ular qo'shimcha kiritish ma'lumotlari sifatida ishlatiladi. Cheklash uchun Ulanishlar soni ortib borishi bilan, saqlangan qiymatlarni tiklash uchun algoritmlar qo'llaniladi ("unutish"). Biroq, RNNlarni o'qitish juda katta hisoblash harakatlarini talab qiladi. resurslar (katta miqdordagi o'quv ma'lumotlaridan tashqari)
Shuningdek, NN arxitekturasi sohasida yangi (2014 yilda taklif qilingan) nazoratsiz o'rganishga qodir bo'lgan generativ raqib tarmoqlari (GAN) hisoblanadi. Bunda asosiy tamoyil algoritm ikkita NN ning mavjudligi, ulardan biri namunalarni yaratadi, ikkinchisi (diskriminativ) to'g'ri namunalarni noto'g'rilardan ajratishga harakat qiladi. Generativ tarmoq bir nechta dastlabki namunalarni (mavjud ma'lumotlar) aralashtirish asosida ishlaydi va intiladi ikkinchi tarmoqning xatolik darajasini oshirish. Diskriminativ tarmoq asl va o'rtasidagi farqni o'rganadi soxta namunalar va diskriminatsiya natijalari generativ tarmoqning kirishiga beriladi, shunda u yashirin parametrlarning kirish to'plamini tuzatishi mumkin. Ushbu texnologiyadan foydalanis xususan, odamlarning haqiqiydan farq qilmaydigan fotosuratlari yaratilgan.
|
| |
