والشبكات العصبية الثورية للثورة هي فئة من نماذج التعلم العميق المستخدمة أساساً في تجهيز البيانات البصرية، وهي مصممة بحيث تتعلم تلقائياً وتكيفاً الهرميات المكانية للملامح من خلال المعالجة الخلفية، ويعتبر فهم مبادئ وحسابات وتطبيقات البرمجيات الإلكترونية أمراً أساسياً لوضع حلول فعالة للتعلم الآلي.

مبادئ تصميم الشبكة

والفكرة الأساسية وراء هذه الشبكة هي التقليل من نظام التجهيز البصري للدماغ البشري، واستخدام طبقات للثورة لكشف الملامح المحلية، وتجميع الطبقات للحد من البعد، والطبقة الكاملة الارتباط للتصنيف، والتصميم السليم ينطوي على اختيار عدد الطبقات، وأحجام المرشات، ووظائف التفعيل من أجل تحقيق الأداء الأمثل.

حسابات في شبكة CNNs

وتشمل الحسابات في وحدات البرمجيات المركزية عمليات نقل، التي تُحسب خرائط الملامح عن طريق تصفية المرشّحات على بيانات المدخلات، والصيغة الخاصة بعملية واحدة للثورة هي:

Output = Sum of (Input segment × Filter weights) + Bias]

وتُجري طبقات التجميع عمليات أخذ العينات، باستخدام الحد الأقصى أو المتوسط للتجميع، للحد من الأبعاد المكانية، وتُحدث وظائف التنشيط مثل نظام إعادة التوطين والتحرير عدم الترميز، مما يتيح للشبكة تعلم الأنماط المعقدة.

تطبيقات الشبكة

وتستخدم هذه الشبكات على نطاق واسع في مختلف الميادين، بما في ذلك التعرف على الصور والفيديو، وتحليل الصور الطبية، والمركبات المستقلة، ونظم التعرف على الوجوه، وقدرتها على استخراج السمات ذات الصلة تلقائيا، تجعلها فعالة للغاية بالنسبة للمهام التي تنطوي على بيانات بصرية.

  • تصنيف الصور
  • كشف الأجسام
  • الاعتراف بالوجه
  • تحليل التصوير الطبي