Convolutional Neural Networks
CNN - 2-rasmda ko'rsatilgan ko'p qatlamli neyron tarmoqlar oilasi, ayniqsa tasvirlar va
videolar kabi ikki o'lchovli ma'lumotlarda foydalanish uchun mo'ljallangan. CNN-larga
vaqtni kechiktiruvchi neyron tarmoqlarda (TDNN) oldingi ishlar ta'sir ko'rsatadi, ular
[120]
vaqtinchalik o'lchovdagi og'irliklarni bo'lishish orqali o'rganish hisoblash talablarini
kamaytiradi va nutq va vaqt seriyasini qayta ishlash uchun mo'ljallangan. CNN - bu
ierarxiyaning ko'p qatlamlari mustahkam tarzda muvaffaqiyatli o'qitilgan birinchi
chinakam muvaffaqiyatli chuqur o'rganish yondashuvidir. CNN - bu o'rganilishi kerak
bo'lgan parametrlar sonini kamaytirish uchun fazoviy va vaqtinchalik munosabatlardan
foydalanadigan arxitektura tanlovi va shu tariqa oldinga orqaga tarqalish bo'yicha
umumiy treningni yaxshilaydi. CNN ma'lumotlarni oldindan qayta ishlashning minimal
talablari bilan asoslangan chuqur o'rganish tizimi sifatida taklif qilingan. CNN-da
tasvirning kichik qismlari ierarxik tuzilmaning eng quyi qatlamiga kirish sifatida ko'rib
chiqiladi.
2- rasm
Ushbu maqolada mashinani o'rganish usullari va ularni amalga oshirish haqida
chuqur muhokama qilingan. Turli usullar amalga oshirish uchun turli xil algoritmlardan
foydalanishi aniq ko'rsatilgan. Shuningdek, neyron tarmog'i va qo'llab-quvvatlash vektor
mashinasi mashinani o'rganish paradigmasini amalga oshirishning eng mashhur usullari
degan xulosaga keldi. Chuqur o'rganish nazorat ostida o'rganishning kengaytirilgan
versiyasidir. Nihoyat, Convolution neyron tarmog'i va Deep Belief tarmog'i chuqur
o'rganish yordamida turli xil murakkab muammolarni hal qilish uchun ishlatilishi
mumkin bo'lgan ikkita kuchli texnikadir. Chuqur o'rganish platformalari, shuningdek,
muhandislik tizimlarida odatda mavjud bo'lmagan murakkabroq tasvirlarni o'rganish
bilan birga, ishlab chiqilgan xususiyatlardan ham foydalanish mumkin. Chuqur
mashinalarni o'rganish tizimlarini ishlab chiqish bo'yicha erishilgan yutuqlar, shubhasiz,
mashinani o'rganish va umuman sun'iy intellekt tizimlarining kelajagini shakllantirishi
aniq.
Foydalanilgan adabiyotlar:
3. R. Jafri, H. R. Arabniya, “Yuzni tanib olish texnikasi boʻyicha tadqiqot”, Axborotni
qayta ishlash tizimlari jurnali, 5-jild, №2, 2009 yil.
[121]
2. C. A. Xansen, “Yuzni tanish”, Kompyuter instituti Tromso fan universiteti, Norvegiya.
3. Internet materiallari :
www.lex.uz
, https://mitc.uz/uz/news/2920
|
