|
Konvolyutsion neyron tarmoqlari
|
| bet | 4/4 | | Sana | 15.05.2024 | | Hajmi | 367,94 Kb. | | #235346 |
Bog'liq feedforwardKonvolyutsion neyron tarmoqlari ( CNN ) oldinga uzatish arxitekturasining eng mashhur iteratsiyalaridan biridir. Ular tasvir ichidagi naqshlarni aniqlash uchun chiziqli algebra tushunchalaridan, xususan, matritsalarni ko'paytirishdan foydalangan holda tasvirni tasniflash va ob'ektni aniqlash vazifalari uchun yanada kengaytiriladigan texnikani taklif qiladi.
Quyida qo'lda yozilgan raqamlarni tasniflaydigan CNN arxitekturasining namunasi keltirilgan
Qo'lda yozilgan raqamlarni aniqlash vazifasi uchun misol CNN arxitekturasi ( manba )
Tegishli filtrlardan foydalanish orqali CNN tasvirdagi fazoviy va vaqtinchalik bog'liqlikni samarali tarzda qo'lga kiritishi mumkin. Ko'rib chiqilishi kerak bo'lgan omillar kamroq va og'irliklarni qayta ishlatish mumkinligi sababli, arxitektura tasvir ma'lumotlar to'plamiga yaxshiroq moslashishni ta'minlaydi. Boshqacha qilib aytganda, tarmoq tasvirdagi murakkablik darajasini yaxshiroq tushunishga o'rgatilgan bo'lishi mumkin.
Oldinga neyron tarmog'i qanday o'qitiladi?
Ushbu turdagi tarmoq uchun odatiy algoritm orqaga tarqalishdir. Bu oldingi davrda qayd etilgan xatolik darajasi (ya'ni, iteratsiya) asosida neyron tarmog'ining og'irliklarini sozlash texnikasi. Og'irliklarni to'g'ri sozlash orqali siz xatolik darajasini pasaytirishingiz va qo'llanilishini kengaytirish orqali modelning ishonchliligini oshirishingiz mumkin.
Bitta vazn uchun yo'qotish funktsiyasining gradienti zanjir qoidasi yordamida neyron tarmoqning orqaga tarqalish algoritmi bilan hisoblanadi. Mahalliy to'g'ridan-to'g'ri hisoblashdan farqli o'laroq, u bir vaqtning o'zida bir qatlamni samarali hisoblaydi. U gradientni hisoblasa-da, gradientni qanday qo'llash kerakligini aniqlamaydi. Bu delta qoidasini hisoblash doirasini kengaytiradi.
Orqaga tarqalish algoritmi tasviri
Teskari aloqa neyron tarmoqlarining tuzilishi
Qayta aloqa tarmog'i, masalan, takroriy neyron tarmog'i ( RNN ) orqaga qaytish yo'llarini o'z ichiga oladi, bu signallarni har ikki yo'nalishda harakatlanish uchun halqalardan foydalanishga imkon beradi. Neyron aloqalari har qanday tarzda amalga oshirilishi mumkin. Ushbu turdagi tarmoq halqalarni o'z ichiga olganligi sababli, u muvozanat holatiga erishgunga qadar o'quv jarayonida doimiy ravishda rivojlanib boradigan chiziqli bo'lmagan dinamik tizimga aylanadi.
Tadqiqotda RNN qayta aloqa tarmoqlarining eng mashhur turi hisoblanadi. Ular sun'iy neyron tarmoq bo'lib, tugunlar orasidagi bog'lanishlarni vaqtinchalik ketma-ketlik bo'yicha yo'naltirilgan yoki yo'naltirilmagan grafikga aylantiradi. Buning natijasida vaqtinchalik dinamik xatti-harakatni ko'rsatishi mumkin. RNN xotira shaklini ifodalashi mumkin bo'lgan ichki holatidan foydalangan holda turli uzunlikdagi kirish ketma-ketligini qayta ishlashi mumkin . Shuning uchun ular nutqni aniqlash yoki qo'l yozuvini aniqlash kabi ilovalar uchun ishlatilishi mumkin.
Teskari neyron tarmog'iga misol
Qayta aloqa neyron tarmog'i qanday o'qitiladi?
Vaqt yoki BPTT orqali orqaga tarqalish bu turdagi tarmoqlar uchun keng tarqalgan algoritmdir. Bu takrorlanuvchi neyron tarmoq turlarini o'qitish uchun gradientga asoslangan usul. Va bu qayta aloqa tarmoqlarida mavjud bo'lgan takrorlanishga moslashish bilan oldinga uzatiladigan tarmoqlarning orqaga tarqalishining kengayishi sifatida qaraladi.
O'tkazib yubormang
|
| |
