როგორ მუშაობს კონვოლუციური ნერვული ქსელები?
როგორ მუშაობს კონვოლუციური ნერვული ქსელები?

ვიდეო: როგორ მუშაობს კონვოლუციური ნერვული ქსელები?

ვიდეო: როგორ მუშაობს კონვოლუციური ნერვული ქსელები?
ვიდეო: What are Convolutional Neural Networks (CNNs)? 2024, აპრილი
Anonim

ა კონვოლუციური ნერვული ქსელი (ConvNet/CNN) არის ღრმა სწავლის ალგორითმი, რომელსაც შეუძლია მიიღოს შეყვანილი სურათი, მიანიჭოს მნიშვნელობა (შესასწავლი წონა და მიკერძოება) გამოსახულების სხვადასხვა ასპექტს/ობიექტს და შეძლოს ერთმანეთისგან დიფერენცირება.

ასევე კითხვაა, რისთვის არის კარგი კონვოლუციური ნერვული ქსელები?

ეს არის იდეა გაერთიანების გამოყენების უკან კონვოლუციური ნერვული ქსელები . გაერთიანება ფენა ემსახურება მისი წარმოდგენის სივრცული ზომის თანდათანობით შემცირებას, პარამეტრების, მეხსიერების ანაბეჭდის და გამოთვლის რაოდენობის შემცირებას ქსელი , და, შესაბამისად, ასევე უნდა აკონტროლოთ ზედმეტი მორგება.

ასევე, რა არის ფილტრები კონვოლუციურ ნერვულ ქსელებში? In კონვოლუციონალური ( ფილტრაცია და კოდირება ტრანსფორმაციის მიხედვით) ნეირონული ქსელები (CNN) ყოველი ქსელი ფენა მოქმედებს როგორც გამოვლენა ფილტრი ორიგინალურ მონაცემებში არსებული სპეციფიკური მახასიათებლების ან ნიმუშების არსებობისთვის.

ასევე იცოდეთ, როგორ სწავლობს CNN?

Იმიტომ რომ CNN უყურებს პიქსელებს კონტექსტში, ის არის შეუძლია ვისწავლოთ ნიმუშები და საგნები და ამოიცნობს მათ თუნდაც ისინი არიან სურათზე სხვადასხვა პოზიციებზე. CNN-ები (კონვოლუციური ფენები უნდა იყოს კონკრეტული) ვისწავლოთ ე.წ. ფილტრები ან ბირთვები (ზოგჯერ ასევე უწოდებენ ფილტრის ბირთვებს).

რა არის კონვოლუციის ფენის დანიშნულება?

პირველადი კონვოლუციის მიზანი aConvNet-ის შემთხვევაში არის ფუნქციების ამოღება შეყვანის სურათიდან. კონვოლუცია ინარჩუნებს სივრცით ურთიერთობას პიქსელებს შორის გამოსახულების მახასიათებლების შესწავლით შეყვანის მონაცემების მცირე კვადრატების გამოყენებით.

გირჩევთ: