في الآونة الأخيرة، أعلنت نيك أنها قد وضعت عميقة التعلم التلقائي التكنولوجيا الأمثل التي يمكن أن تحسن بسهولة أكبر دقة الاعتراف.
في الماضي، كان من الصعب ضبط التعلم العميق استنادا إلى بنية الشبكة العصبية (الملاحظة 1)، بحيث كان من المستحيل لتحسين التعلم في جميع أنحاء الشبكة بالكامل، وبالتالي غير قادر على تحقيق كامل التعرف عليها.يمكن تحسين التكنولوجيا المتقدمة تلقائيا على أساس هيكلها التقدم في التعلم الشبكة العصبية يجعل من الاسهل لتحديد أكثر دقة من أي وقت مضى.
ظهور هذه التكنولوجيا يجعل من الممكن لزيادة تحسين دقة الاعتراف في مختلف المجالات مثل التعرف على الصور والتعرف على الصوت، وما إلى ذلك على سبيل المثال، دقة التعرف على المراقبة بالفيديو مثل التعرف على الوجه وتحليل السلوك والبنية التحتية التحقق من كفاءة العمل لتحقيق الكشف التلقائي للكوارث والحوادث والكوارث.
أولا، الخلفية
في السنوات الأخيرة، وقد جعلت البحوث في التعلم العميق قفزات وحدود، وقد طبقت في مجموعة واسعة من المجالات مثل التعرف على الصور والتعرف على الصوت، الخ التعلم العميق يستخدم شبكة العصبية مع بنية عميقة لتعلم البيانات المعدة مسبقا لتحقيق دقة عالية. ومع ذلك، إذا كانت البيانات متعلمة بشكل مفرط، هناك ظاهرة "الإفراط في التعلم (ملاحظة 2)"، حيث يمكن التعرف فقط على البيانات المستفادة بدقة عالية، ويتم تقليل دقة التعرف على البيانات غير المستخدمة للتعلم. حدوث هذا الوضع يتطلب استخدام تسوية (ملاحظة 3) التكنولوجيا لضبط.
منذ تعلم الشبكات العصبية بسبب هيكلها معقدة، ويمكن أن تستمر فقط لشبكة بأكملها باستخدام تقنيات تنظيم نفسها. النتائج كانت هناك بعض طبقات مفرطة من التعلم الشبكة، وتعلم بعض الركود وغيرها من القضايا، مما يجعل من الصعب تماما تلعب لأداء الاعتراف الأصلي. بالإضافة إلى ذلك، بسبب ضبط يدويا تقدم كل طبقة من الصعب للغاية، ولذلك فإن ارتفاع منحنى التعلم للطبقة الضبط التلقائي بواسطة طبقة يحتاج صوت.
تطوير التكنولوجيا هي بنية الشبكة العصبية، طبقة بعد التنبؤ طبقة على أساس التعلم التقدم، ويتم تكوين تقدم تلقائيا لكل طبقة من تقنية التنظيم. مع هذه التقنية، تم تحسين الشبكة بالكامل التعلم ونسبة الخطأ الاعتراف يمكن تخفيض بنحو 20٪، لتحسين دقة التعرف.
"الشكل" طبقة من الشبكة العصبية تنظيم التكنولوجيا تلقائيا تعيين التخطيطي
ثانيا، مزايا التكنولوجيات الجديدة
1، وفقا لهيكل الشبكة العصبية من التعلم التلقائي الأمثل
استنادا إلى بنية الشبكة العصبية، ونحن نتوقع التقدم التعلم من كل طبقة، وتعيين تلقائيا تنظيم مناسبة للتقدم من كل طبقة طبقة حسب الطبقة، وبالتالي، يتم تحسين التقدم التعلم للشبكة بالكامل لحل مشاكل التعلم المفرط والتعلم الركود.في تجارب الاعتراف باستخدام البيانات الرقمية المكتوبة بخط اليد من هذه التقنية، وقد تم تخفيض معدل الخطأ الاعتراف بنحو 20٪، ودقة الاعتراف قد تحسنت بشكل ملحوظ.
التغيير في معدل الخطأ الاعتراف "الرسم البياني" مقابل كمية من البيانات التعلم
2، مع نفس الكمية من الحسابات في الماضي، وسهلة لتحقيق دقة عالية
يتم تنفيذ هذه التقنية مرة واحدة فقط قبل تعلم الشبكة العصبية، مما يجعل من السهل تحقيق دقة عالية مع نفس الكمية من التعلم الحسابي من أي وقت مضى.
وتلتزم مجموعة نيك بتقديم الحلول الاجتماعية في جميع أنحاء العالم لتوفير قيم اجتماعية آمنة وآمنة وفعالة وعادلة، ودمج تكنولوجيات المعلومات والاتصالات المتقدمة مع المعرفة، والمساهمة في مجتمع أكثر إشراقا وأكثر سخونة وفعالية .
(ملاحظة 1) الشبكة العصبية: شبكة العصبية تتكون من الخلايا العصبية الاصطناعية (الخلايا العصبية).
(ملاحظة 2) الإفراط في التعلم: الإفراط في التعلم البيانات المعطاة، ولكن لا تعلم البيانات
الاعتراف بظاهرة انخفاض الدقة.
(ملاحظة 3) تنظيم: قمع الإفراط في التعلم من خلال تقييد تعقيد النموذج.
أكثر بارد تكنولوجيا المعلومات وسائل الإعلام الجديدة
فاز اكتساح الجائزة
مراجعة
* بيانات المستخدم ليست موقع الموقع، لا ينصح الموقع أي تعليقات في متجر على الانترنت، تاجر، حذار من خدع!
