Сочинение на тему CNN искусственная нейронная сеть
- Опубликовано: 22.09.2020
- Предмет: Информационная наука
- Темы: Искусственный интеллект, Современные технологии
CNN – это тип глубоких искусственных нейронных сетей, основанных на архитектуре прямой связи, которая оказывается эффективной при применении в визуальных образах. Это требует минимальной предварительной обработки из-за его многослойной конструкции персептрона и всегда предполагает, что вход, который он получает, является изображением, которое действительно помогает передавать определенные параметры в архитектуру. Однако из-за этого предположения мы можем более эффективно реализовать прямую функцию, а также это поможет уменьшить параметры в сети.
- В машинном обучении CNN или ConvNet – это класс глубоких искусственных нейронных сетей с прямой связью, которые успешно применяются для анализа визуальных образов.
- Используется относительно небольшая предварительная обработка по сравнению с другими алгоритмами классификации изображений.
- Сеть изучает фильтры, которые в традиционных алгоритмах создавались вручную. Эта независимость от предшествующих знаний и человеческих усилий в разработке функций является большим преимуществом. Рисунок 4.2: Работа CNN. CNN состоит из входного слоя, выходного слоя и нескольких скрытых слоев. Его архитектура формируется из набора отдельных слоев, которые преобразуют входной объем в выходной объем с помощью дифференцируемой функции. Несколько различных типов скрытых слоев, которые обычно используются:
- Сверточный слой. Сверточный слой является основным строительным блоком CNN. Параметры слоя состоят из набора обучаемых фильтров (или ядер), которые имеют небольшое восприимчивое поле, но распространяются на всю глубину входного объема. Во время прямого прохода каждый фильтр сворачивается по ширине и высоте входного объема, вычисляя скалярное произведение между записями фильтра и входными данными и создавая двумерную карту активации этого фильтра. В результате сеть изучает фильтры, которые активируются, когда она обнаруживает некоторый конкретный тип объекта в некоторой пространственной позиции на входе. Рисунок 4.3: Сверточный слой.
Для первого полностью связанного слоя мы использовали 500 каналов, а для следующих трех слоев – 1000 каналов. Пятый полностью связанный слой будет иметь 5 каналов, которые будут выполнять классификацию для наших пяти классов. Выпадающие слои используются для уменьшения перестройки сети. Вот информация о слоях пользовательской модели.
РАСПОЗНАВАНИЕ ПИСЬМЕННОГО ХАРАКТЕРА С ИСПОЛЬЗОВАНИЕМ ИЗОБРАЖЕНИЯ АВТОРЕФЕРАТ В современном мире наблюдается огромный рост пробок на дорогах, и скорость, с которой люди покупают автомобили, значительно возрастает
В 2013 году до 5 лет было произведено нововведение. И становятся более успешными и мощными усовершенствованиями технологических изменений. Я хотел бы поделиться с вами удивительным
«Nosedive» может считаться вероятным сценарием не только потому, что в его основе уже имеются доступные технологии, но также и потому, что способ их использования полностью