Farg`ona davlat univarsiteti sirtqi bo`lim
Yüklə 376,38 Kb. Pdf görüntüsü
|
| 4. Hulosa.
Zamonaviy chuqur o'rganish modellarining aksariyati asoslanadi sun'iy neyron tarmoqlari, xususan konvolyutsion asab tarmoqlari (CNN) lar, lekin ular ham o'z ichiga olishi mumkin taklif formulalari yoki yashirin o'zgaruvchilar chuqurlikda qatlamli ravishda tashkil etilgan generativ modellar tugunlari kabi chuqur e'tiqod tarmoqlari va chuqur Boltzmann mashinalari. Chuqur o'rganishda har bir daraja o'z ma'lumotlarini biroz mavhumroq va kompozitsion ko'rinishga o'zgartirishni o'rganadi. Rasmni aniqlash dasturida xom kirish a bo'lishi mumkin matritsa piksel; birinchi vakillik qatlami piksellarni mavhumlashtirishi va qirralarini kodlashi mumkin; ikkinchi qavat qirralarning tartibini tuzishi va kodlashi mumkin; uchinchi qavat burun va ko'zlarni kodlashi mumkin; va to'rtinchi qatlam rasmda yuz borligini tan olishi mumkin. Muhimi, chuqur o'rganish jarayoni qaysi xususiyatlarni qaysi darajaga optimal tarzda joylashtirishni o'rganishi mumkin o'z-o'zidan. (Albatta, bu qo'lda sozlash zarurligini to'liq bartaraf etmaydi; masalan, qatlamlarning har xil soni va qatlam o'lchamlari turli darajadagi abstraktsiyani ta'minlashi mumkin.) "Chuqur o'rganish" tarkibidagi "chuqur" so'zi ma'lumotlarning o'zgarishi qatlamlari sonini anglatadi. Aniqrog'i, chuqur o'rganish tizimlari muhim ahamiyatga ega kredit berish yo'li (CAP) chuqurligi. CAP - bu kirishdan chiqishga transformatsiyalar zanjiri. CAP-lar kirish va chiqish o'rtasidagi potentsial sababiy aloqalarni tavsiflaydi. A feedforward neyron tarmoq, CAPs chuqurligi tarmoqqa tegishli va maxfiy qatlamlar soni va plyus bitta (chunki chiqish qatlami ham parametrlangan). Uchun takrorlanadigan neyron tarmoqlari, unda signal qatlam orqali bir necha marta tarqalishi mumkin, CAP chuqurligi potentsial cheksizdir.[2] Hech qanday umumiy kelishilgan chuqurlik chegarasi sayoz o'rganishni chuqur o'rganishdan ajratmaydi, ammo aksariyat tadqiqotchilar chuqur o'rganish uchun CAP chuqurligi 2 dan yuqori ekanligini o'z ichiga oladi degan fikrga qo'shilgan. 2-chuqurlikdagi CAP har qanday funktsiyani taqlid qilishi mumkinligi nuqtai nazaridan universal taxminiy vosita sifatida ko'rsatilgan. Bundan tashqari, ko'proq qatlamlar tarmoqning funktsional taxminiy qobiliyatiga qo'shilmaydi. Chuqur modellar (CAP> 2) sayoz modellarga qaraganda yaxshiroq xususiyatlarni chiqarishga qodir va shuning uchun qo'shimcha qatlamlar funktsiyalarni samarali o'rganishda yordam beradi. Chuqur o'rganish me'morchiligini a bilan qurish mumkin ochko'z qatlam-qavat usuli. Chuqur o'rganish ushbu abstraktsiyalarni ajratishga va qaysi xususiyatlar ishlashni yaxshilaydiganligini tanlashga yordam beradi. Uchun nazorat ostida o'rganish vazifalar, chuqur o'rganish usullari yo'q qilinadi xususiyati muhandislik, ma'lumotlarga o'xshash ixcham oraliq vakolatxonalarga tarjima qilish orqali asosiy komponentlarva vakolatxonada ortiqchalikni olib tashlaydigan qatlamli tuzilmalarni olish. Chuqur o'rganish algoritmlarini nazoratsiz o'qitish vazifalariga qo'llash mumkin. Bu muhim foyda, chunki yorliqsiz ma'lumotlar yorliqli ma'lumotlarga qaraganda ancha ko'p. Nazorat qilinmaydigan tarzda o'qitilishi mumkin bo'lgan chuqur tuzilmalarga misollar asab tarixi kompressorlari va chuqur e'tiqod tarmoqlari. |