Evrişimli sinir ağları
Evrişimsel sinir ağları, derin öğrenmenin bir alt dalıdır ve genellikle görsel bilginin analiz edilmesinde kullanılır. Yaygın kullanım alanları resim ve video tanıma, önerici sistemler[1] resim sınıflandırma, tıbbi görüntü analizi ve doğal dil işleme[2] olarak sıralanabilir.
Tanım
değiştir“Evrişimsel sinir ağı”, sinir ağının evrişim adı verilen bir matematik işlemi kullandığını gösterir. Konvolüsyon (evrişim) özel bir doğrusal (lineer) işlem türüdür. Evrişimli sinir ağları, katmanlarından en az birinde genel matris çarpımı yerine evrişimi kullanan basit sinir ağlarıdır[3]
Tasarımı
değiştirBir kıvrımlı sinir ağı, bir giriş ve bir çıkış katmanının yanı sıra birden fazla gizli katmandan oluşur . Bir CNN'nin gizli katmanları tipik olarak bir çarpma veya başka bir nokta ürünü ile kıvrılan bir dizi kıvrımlı katmandan oluşur. Aktivasyon fonksiyonu genellikle bir RELU katmanıdır ve bunu takiben havuzlama katmanları, tamamen bağlı katmanlar ve normalleştirme katmanları gibi gizli katmanlar olarak adlandırılan ek kıvrımlar gelir, çünkü girişleri ve çıkışları aktivasyon fonksiyonu ve son kıvrım tarafından maskelenir. Son evrişim, sonuçta, nihai ürünü daha doğru bir şekilde ağırlaştırmak için genellikle geri yayılımı içerir.[4]
Kaynakça
değiştir- ^ van den Oord, Aaron; Dieleman, Sander; Schrauwen, Benjamin (2013-01-01). Burges, C. J. C.; Bottou, L.; Welling, M.; Ghahramani, Z.; Weinberger, K. Q. (eds.). Deep content-based music recommendation (PDF). Curran Associates, Inc. pp. 2643–2651.
- ^ Collobert, Ronan; Weston, Jason (2008-01-01). A Unified Architecture for Natural Language Processing: Deep Neural Networks with Multitask Learning. Proceedings of the 25th International Conference on Machine Learning. ICML '08. New York, NY, USA: ACM. pp. 160–167. doi:10.1145/1390156.1390177. ISBN 978-1-60558-205-4.
- ^ Ian Goodfellow and Yoshua Bengio and Aaron Courville (2016). Deep Learning. MIT Press. s. 326. 16 Nisan 2016 tarihinde kaynağından arşivlendi. Erişim tarihi: 12 Ekim 2020.
- ^ "Arşivlenmiş kopya". 23 Ekim 2019 tarihinde kaynağından arşivlendi. Erişim tarihi: 16 Ocak 2020.