نویسنده (ها): RSD Studio.ai
در ابتدا منتشر شده در به سمت هوش مصنوعیبشر
تجسم و درک CNNS: ماشین آلات پنهان دید رایانه
این داستان فقط عضو بر ما است. برای دسترسی به همه رسانه ها ارتقا دهید.
ما در مقاله قبلی مشاهده کرده ایم ، چگونه محدودیت های ANN در برخورد با داده های مکانی یعنی تصاویر منجر به تصور می شود CNNSبا الهام از قشر بینایی چشم انسان. اکنون ، نیاز به تجسم نحوه عملکرد CNN در واقعیت وجود دارد. جذابیت واقعی در درک چگونگی عملکرد این سیستم ها ، نحوه یادگیری و آنچه “می بینند” نهفته است.
این مقاله به تفکرات داخلی CNN ، نحوه شکل گیری ریاضیات از تصاویر از تصاویر و نحوه آموزش آن برای جستجوی جنبه های مناسب در یک تصویر تفسیر می شود.
اگر مقاله قبلی را نخوانده اید ، آن را بخوانید زیرا پایه و اساس این مقاله را تشکیل می دهد.
محدودیت های ANN: حرکت به شبکه های عصبی حلقوی
pub.towardsai.net
در قلب هر CNN ، یک عمل فریبنده ساده وجود دارد که شبکه های عصبی سنتی به سادگی نمی توانند با هم مطابقت داشته باشند: Convolution. این روش ریاضی نام خود را به CNNS می دهد – و قدرت فوق العاده آنها.
Convolution یک عملیات ریاضی است که در آن یک ماتریس کوچکتر به قسمت های مختلف یک بزرگتر ضرب می شود و ماتریس حاصل به عنوان یک نسخه کوچک از ماتریس بزرگ گرفته می شود. مثال زیر را در نظر بگیرید:
در اینجا ، ما یک ماتریس بزرگ 7 × 7 داریم … وبلاگ کامل را به صورت رایگان در رسانه بخوانیدبشر
منتشر شده از طریق به سمت هوش مصنوعی