Інтелектуальна система дослідження методів машинного навчання



Сторінка11/15
Дата конвертації27.01.2020
Розмір0,56 Mb.
ТипРеферат
1   ...   7   8   9   10   11   12   13   14   15

Огляд моделей тестування


У машинному навчанні можна виділити декілька відомих моделей нейроних мереж, що використовуються для класифікації зображень. Вони представлені у таблиці 2.1.

Хоча існують деякі правила великого пальця, єдиного способу визначити кращу архітектуру для будь-якого конкретного завдання не можливо. Іноді "розумні за замовчуванням" працюватимуть добре, і в інший час вони взагалі не працюватимуть. Тому зазвичай, найлегший спосіб визначити яка архітектура нейронної мережі більш підходить до конкретного випадку це спробувати як можна більшу кількість та порівняти результати.





Модель

Рік

Архітектура нейроної мережи

Кількість шарів

Навчальна задача

Опис

seq2-seq

2014

Рекурентна

7

Контрольоване навчання

Прямий переказ мови-до-мови. Стан сучасної точності з простою мовно-агностичною архітектурою.

memnet

2015

Довга коротоко

строкова


3

Контрольоване навчання

Facebook-пам'ять-орієнтована нейронна система. Один з двох новітніх архітектур, які досліджують топологію поза кордонами грат нейронів.

Speech

2014

Рекурентна, повна

5

Контрольоване навчання

Двигун розпізнавання мови Baidu. Доведено, що чисто занурені мережі можуть перемогти ручну систему.

autoenc

2014

Повна

3

Не

контрольоване навчання



Варіаційний автокоддер. Ефективна генеративна модель для вивчення можливостей.

residual

2015

Згорткова

34

Контрольоване навчання

Графічний класифікатор від Microsoft Research Asia. Різко зросла практична глибина згорткових мереж. Переможець ILSVRC 2015

vgg

2014

Згорткова повна

19

Контрольоване навчання

Класифікатор зображень, що демонструє потужність невеликих згорткових фільтрів. Переможець ILSVRC 2014.

alexnet

2012

Згорткова повна

5

Контрольоване навчання

Класифікатор зображень. Для глибокого вивчення шляхом побиття ручної настройки систем зображення на ILSVRC 2012.

deepq

2013

Згорткова повна

5

Навчання з підкріпленням

Atari-ігрова нейронна мережа від DeepMind. Намагається досягти надлюдського виконання більшості ігор у Atari2600, без будь-яких попереджень.

Табл 2.1. Опис моделей нейронних мереж

    1. Мультишаровий перцептрон


Мультишаровий перцептрон (МШП) – це контрольований алгоритм навчання, який вивчає функцію 𝑓(∙): 𝑅 𝑚 → 𝑅 𝑜 ; (2.1) шляхом тренування на наборі даних, де m – кількість вимірів для входу, o – кількість вимірів для виходу[15]. Отримуючи набір характеристик 𝑋 = 𝑥1, 𝑥2, … , 𝑥𝑚 та ціль y, він може вивчати нелінійний аппроксиматор функції для класифікації або регресії. Він відрізняється від логістичної регресії, в тому, що між входом і вихідним шаром може бути один або декілька нелінійних шарів, які називаються прихованими шарами.

    1. Каталог: bitstream -> 123456789
      123456789 -> Тема: Безпека вулиці: азбука дороги
      123456789 -> Методичні вказівки до вивчення дисципліни сво «доктор філософії»
      123456789 -> Регіональний підхід до дослідження формування ціннісних орієнтацій студентів мистецьких вишів україни н. Г. Тарарак
      123456789 -> Методологічне підґрунтя дослідження формування ціннісних орієнтацій студентів вищих навчальних закладів мистецького профілю україни
      123456789 -> Загальна характеристика роботи
      123456789 -> Інформаційне суспільство в контексті політичної культури суспільства
      123456789 -> Заліщицька районна державна адміністрація Відділ з питань освіти Районний методичний кабінет Використання активних та інноваційних технологій як засіб активізації
      123456789 -> Україна тернопільська область опис досвіду роботи учителя біології


      Поділіться з Вашими друзьями:
1   ...   7   8   9   10   11   12   13   14   15


База даних захищена авторським правом ©pedagogi.org 2019
звернутися до адміністрації

    Головна сторінка