Table of Contents
شبکه های عصبی به طور گسترده ای در وظایف تشخیص تصویر به دلیل توانایی آنها برای یادگیری الگوهای پیچیده استفاده می شوند.این مطالعه موردی فرآیند پیاده سازی را بررسی می کند، از جمله محاسبات دقیق در آموزش شبکه عصبی برای طبقه بندی تصویر.
طراحی شبکه عصبی
این شبکه شامل یک لایه ورودی، یک لایه پنهان و یک لایه خروجی است.برای سادگی، یک مجموعه داده کوچک را با تصاویری که توسط 4 پیکسل هر کدام نشان داده شده است، در نظر بگیرید. لایه ورودی دارای 4 نورون است، لایه پنهان دارای 3 نورون است و لایه خروجی دارای 2 نورون است که دو کلاس را نمایندگی می کنند.
وزن های اولیه و Biases
به عنوان مثال، وزن به طور تصادفی اولیه می شود.
- [[ویرایش] [۱] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱] [۲] = ۲٫
- [[ویرایش] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱۰] [۱] [۳] [۱] [۳] [۱] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۱] [۱] [۳] [۱] [۳] [۳] [۳] [۳] [۳] [۱] [۱] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۱] [۳] [۳] [۱] [۳] [۳] [۳] [۱] [۳] [۳] [۱] [۱] [۳] [۱] [۱] [۱] [۱] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳]
- [[ویرایش] [۱] [۱۰] [۱۰] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱] [۱] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱] [۳] [۱] [۱] [۳] [۱] [۱] [۳] [۳] [۱] [۱] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۱] [۱] [۱] [۱] [۱] [۳] [۱] [۱] [۳] [۱] [۱] [۱] [۱] [۱] [۳] [۳] [۱] [۳] [۳] [۱] [۳] [۳] [۱] [۱] [۱] [۳] [۱] [۳] [۳] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۳] [۳] [۳] [۳] [۱] [۳] [۳] [۱] [۱] [۱] [۱]
- [[ویرایش] [۱] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱] [۱] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱] [۱] [۵] [۵]
- [[ویرایش] [۱] [۱۰] [۱۰] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱] [۱] [۱۰] [۱] [۱۰] [۱] [۱] [۱۰] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۲] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱] [۱]
- [[ویرایش] [۱] [۱۰] [۱۰] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱] [۱] [۱۰] [۱] [۲] [۳] [۲] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۲] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۲] [۳] [۳] [۲] [۳] [۲] [۲] [۳] [۳] [۲] [۳] [۳] [۲] [۳] [۳] [۲] [۲] [۳] [۳] [۳] [۳] [۳] [۲] [۳] [۳] [۲] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۲] [۲] [۲] [۳] [۳] [۲] [۲] [۲] [۳]
- [[ویرایش] [۱] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱] [۱۰] [۱] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۱] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۱] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۱] [۱] [۱] [۱] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳]
- [[ویرایش] [۱] [۱۰] [۱] [۱۰] [۳۲] [۱۰] [۱] [۱۰] [۳] [۱] [۱] [۱۰] [۳] [۱] [۳] [۳] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲] [۳۲]
- [[ویرایش] [۱] [۱۰] [۱] [۱۰] [۱] [۲]] [۲] [۲] [۲]] = ۲٫
Biases در ابتدا برای سادگی صفر می شود.
پیش آگهی و محاسبه
با توجه به یک تصویر ورودی با مقادیر پیکسل (0.5، 0.2، 0.1، 0.7) ، ورودی لایه پنهان محاسبه می شود:
1 = 0.5 (0.2) + (0.2) + (0.1) = 0.1 - 0 - 0 + 0.08 = 0.08
= 0.5 (0.5] + (0.2) + (0.1) + (0.1) = 0.25 + 0.02 = - 0.25 = - 0.25 = - 0.25 = - 0.25
3 = 0.5 (0.3) + (0.2) + (0.1) = 0.1 = 0.1 + 0.02 = 0.00 / 0 = 0.00 / 0 = 0.00
استفاده از یک تابع فعال سازی، مانند sigmoid، خروجی لایه پنهان عبارتند از:
[[[ویرایش] [۱] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱] [۱۰] [۱۰] [۱۰] [۱۰]] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰]] [۱۰] [۱۰] [۱۰]] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۸] [۱۰] [۱۰] [۸] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۳] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰
[[[ویرایش] [۱] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰]] [۱۰] [۱۰] [۱۰] [۱۰]] [۱۰] [۱۰] [۱۰] [۱۰]] [۱۰] [۳] [۳] [۱۰] [۳] [۳] [۳] [۳] [۱۰] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۱۰] [۳] [۳] [۱۰] [۳] [۳] [۱۰] [۳] [[[[[[[[[[[[[[[[[۳]]]]]] [۱۰] [۱۰] [۱۰]]]]] [۱۰] [۱۰] [۳] [۳] [۱۰] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۱۰] [۱۰] [۱۰] [
[[[ویرایش] [۱] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰]] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰]] [۱۰] [۱۰] [۱۰]] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۵] [۵] [۵] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۳] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰
سپس خروجی ها به عنوان ورودی به لایه خروجی استفاده می شوند، جایی که وزن ها به طور مشابه برای محاسبه احتمال کلاس استفاده می شوند.
خطای محاسبه و افزایش وزن
فرض کنید کلاس واقعی کلاس 1 است که به عنوان (۱۸) لایه خروجی نشان داده شده است:
[[۱] [۱۰] [۱] [۱۰] [۱] [۱] [۱] [۱۰] [۱] [۱] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۳] [۳] [۳] [۱۰] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [[[[۳] [۳] [۳] [۲] [۲] [۳] [۲] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۱۰] [۳] [۳] [۳] [۳] [۱۰] [۱۰] [۱۰] [۳] [۱۰] [۱۰] [۱۰] [۱۰] [۳] [۱۰] [۱۰] [۱۰] [۳] [۱۰] [۱۰] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳]
در جایی که [از این رو] [از [و] [از این رو] [از روی] [و [از این رو] [و] [از این رو] [و] [از این رو] [و] [از این رو] [و] [در این صورت] [و] [و]] [و] [از این رو] محاسبه شده است:
از دست دادن ( 0.5) (هدف) خروجی (
با استفاده از شیب دار، وزن بر اساس خطا و میزان یادگیری به روز می شود، به عنوان مثال 0.1.
خلاصه داستان : Calculations
این فرآیند برای چندین دوره تکرار می شود، تنظیم وزن برای بهبود دقت. محاسبات دقیق شامل ضرب ماتریس، عملکرد فعال سازی و مشتقات خطا است که برای آموزش شبکه های عصبی به طور موثر ضروری است.