Жасалма нейрон тармактары (кайсы) же connectionist системалар жаныбарлардын мээси түзөт биологиялык нейрон тармактары жетеги менен Эсептөөчү системалардын жатышат. Мындай системалар жалпы милдет атайын программа жок, карап мисалдары менен милдеттерди аткаруу үчүн (акырындык менен алардын жөндөмүн жакшыртуу) үйрөнүш керек. Мисалы, сүрөтү таануу, алар "мышык" же "жок мышыктай" деп кол жалаасына мисал сүрөттөрдү талдоо жана башка сүрөттөрдөн мышыктар аныктоо аналитикалык материалдар менен кошки камтыган сүрөттөрдү айырмалоого үйрөнүшү мүмкүн. Алар эреже негизделген программаларды колдонуу менен салттуу компьютер алгоритм менен жеткире алгыс арыздардын көбү пайдаланууга таптым.
An ANN жасалма нейрон деп аталган байланыштуу бирдиктердин (биологиялык мээнин биологиялык нейрон менен окшош) бир чогултууга негизделет. Нейрондор арасында ар бир байланыш (синапс) башка нейрондорго сигнал болот. алуучу (postsynaptic) нейрон белги иштеп болот (лор) жана аны менен байланышкан ылдый нейрондорду билдирип турат. Нейрондор жалпысынан адатта 0 жана 1 ортосунда чыныгы сандар менен көрсөтүлгөн, мамлекет болушу мүмкүн. Нейрондор синапс да ылдый жөнөтөт деген сигнал күчүн көбөйтүшү же азайтышы мүмкүн окутуу каражаттарынын, ошондой эле ар бир салмак болушу мүмкүн.
Адатта, нейрондор катмардан уюштурулду. Ар түрдүү катмарлар, алардын материалдык ресурстар үчүн кайра ар кандай аткара алат. Signals биринчи (киргизүү) чейин барып, акыркы (чыгаруунун) катмары, балким, катмарлар бир нече жолу басып өтпөстөн кийин.
нейрон тармак мамилени түп максаты бир адам мээ беле, ошол эле жол менен маселелерди чечүү үчүн болгон. Убакыттын өтүшү менен, көңүл дал келген өзгөчө акыл жөндөмдүүлүгүн багытталган, мисалы, backpropagation эле биология четтеп кетүүлөрдү алып, же тескерисинче багытта маалымат өтүп, ошол маалыматты чагылдыруу үчүн тармагын өзгөрткөн.
Нейрон тармактары, анын ичинде ЭЭМ үчүн аян, сөз таануу, машина котормо, коомдук желе чыпкалоо, кароо жана көргөзмө оюндарды жана медициналык диагноз ойноп ар түрдүү милдеттерди боюнча колдонулат.
2017 карата абал боюнча, нейрон тармактары адатта байланыш миллион бир нече бирдиктерин жана миллиондогон киши бир аз бар. Бир адамдын мээсинин боюнча нейрон санынан аз масштабда бир нече буйрук болуп, бул санына карабастан, бул тармактар ​​( "Бар" ойноп, мисалы, жүзүн таануу) адамдардын башка бир денгээлде көп чөйрөсүндөгү тапшырмаларды аткара алышат.
А терең нейрон тармак (DNN) киргизүү жана чыгаруу катмарлар арасында бир нече катмардан турган жасалма нейрон тармак (ANN) болуп саналат. DNN бир сызыктуу мамилеси же линиялык эмес мамиледе болобу, өндүрүшүнө киргизүү үчүн туура математикалык дүүлүктүрүү да табат. тармак ар бир чыгуу ыктымалдыгы эсептөө катмарынын аркылуу берет. Мисалы, ит тукумдук билүүгө бир DNN берген сүрөтү барып, бейнеси боюнча ит бир тукуму экендигинин ыктымалдыгы эсептеп беребиз. Колдонуучу жыйынтыгын карап чыгып, тармак өзгөрүүлөр (белгилүү бир суммадан жогору, ж.б.) жана сунуш кылынган жазуучу кайтарып турган ыктымалдыгы тандай аласыз. сыяктуу ар бир математикалык оюндар бир катмар болуп эсептелет, жана татаал DNN демек атынан "терең" тармактарды, көп катмарлар бар.
DNNs татаал линиялык эмес мамилелерди моделдөө мүмкүн. DNN архитектурасы объект каралат катмарларына курамы катары көрсөтүлөт курамы моделдерин иштеп чыгуу. кошумча катмарлар мүмкүн да ушундай жүзөгө тайыз тармагына аз бирдик менен татаал маалыматтарды моделдөө, төмөнкү катмарларынан өзгөчөлүктөрү курамын берет.
Deep архитектурасы бир нече негизги ыкмаларды көп ИМСтин. Ар бир архитектура белгилүү чөйрөлөрдө ийгиликтүү болду. Алар ушул эле маалымат топтому боюнча бааланган, эгерде бул, бир нече архитектураны аракеттерин салыштыра билүү дайыма эле мүмкүн боло бербейт.
DNNs адатта маалыматтары укурук жок чыгуу катмары киргизүү катмарын агып турган feedforward тармактары болуп саналат. Башында, DNN жасалма нейрон картасын түзөт жана алардын ортосундагы байланыштарды, кокус сандык маани, же "салмагы" тапшырат. тараза жана салымдар көп жана 0 жана 1 ортосунда өндүрүүнү кайра. тармак так, белгилүү бир үлгү таанышкан жок болсо, анда бир алгоритм тараза өзгөртө турган. толук маалыматтарды иштеп чыгуу үчүн туура математикалык дүүлүктүрүү да аныктайт чейин жол алгоритми, кээ бир көрсөткүчтөр кыйла таасирдүү болот.
маалыматтар ар кандай багытта агып турган бир нече жолу нейрон тармактары (RNNs), мисалы, тил моделдештирүү сыяктуу колдонмолор үчүн колдонулат. Узак жана кыска мөөнөттүү эс тутум колдонуу үчүн өзгөчө натыйжалуу болот.
Convolutional терең нейрон тармактары (CNNs) компьютер аян колдонулат. CNNs да автоматтык сөз таануу (ASR) үчүн акустикалык моделдөө үчүн колдонулган.

Башына кайтуу