1.3 Mashinani o'rganishning boshqa modellari
Machine Translated by Google
ta'lim ma'lumotlarini izohlar bilan o'lchash. Masalan, ImageNet [36] da mavjud
ko'p yillar davomida bu sohada hukmronlik qilgan HMM-GMM dan ustun keldi,
1.4. Chuqur o'rganish
Bundan tashqari, tarmoq tuzilmalari, modellari va o'qitish strategiyalarini loyihalashda
sezilarli yutuqlarga erishildi. Masalan, nazoratsiz va qatlamli tayyorgarlikdan o'tish taklif
qilingan. Neyron hosil qiladi
katta farq bilan. Neyron tarmoqlarni yaratishning bir necha sabablari bor
11
tarmoq yaxshi ishga tushirish nuqtasiga yetadi. Shunga asoslanib, nozik sozlash
GPU klasterlari kabi keng ko'lamli o'qitish ancha osonlashdi
yuqori samarali parallel hisoblash tizimlarining jadal rivojlanishi,
Chuqur o'rganish 2006 yildan beri mashhur bo'ldi [67, 66]. Chuqur o'rganishda katta
yutuq birinchi marta nutqni aniqlashda erishildi [65]. Bu
millionlab parametrlarga ega chuqur neyron tarmoqlari.
izohli sinf yorliqlari bilan millionlab tasvirlar. Keng miqyosli o'qitish ma'lumotlari bilan
chuqur neyron tarmoqlari nisbatan sezilarli afzalliklarga ega
masalan, nutqni aniqlashda HMM-GMM ishlatilgan, SIFT ishlatilgan
insonni aniqlashda foydalaniladi.
juda katta o'rganish qobiliyati tufayli sayoz modellar bilan. Bilan
ob'ektni tanib olishda LBP yuzni aniqlashda ishlatilgan va HOG edi
BP bilan yaxshiroq mahalliy minimumni topish mumkin. Bu ma'lum darajada keng
ko'lamli o'quv majmualarida un-derfitting muammosini hal qilishga yordam beradi. Tushib qolish
yana muvaffaqiyatli. Avvalo, asosiy sabab kattalarning paydo bo'lishidir
Muayyan vazifalar uchun (modellar) va turli xil qo'lda ishlangan xususiyatlardan foydalanilgan. Uchun
1.4 Chuqur o'rganish
Toÿliq matn: http://dx.doi.org/10.1561/2000000071
1.5-rasm: SVM ni uch qatlamli neyron tarmog'i bilan yaqinlashtirish mumkin.
Machine Translated by Google
|
