מחקר מקרה: יישום רשתות נילי עבור זיהוי תמונה עם קלקליציות מפורטות

רשתות נילי משמשות רבות במשימות זיהוי תמונות בשל יכולתם ללמוד דפוסים מורכבים.במקרה זה מחקר חוקר את תהליך היישום, כולל חישובים מפורטים המעורבים באימון רשת עצבית עבור סיווג תמונות.

עיצוב רשת נילי

הרשת מורכבת משכבת קלט, שכבה נסתרת אחת, ושכבה פלט.לפשטות, לשקול מצגת קטנה עם תמונות המוצגות על ידי 4 פיקסלים כל אחד.שכבת קלט יש 4 נוירונים, לשכבה הנסתרת יש 3 נוירונים, ואת שכבת הפלט יש 2 נוירונים המייצגים שני שיעורים.

משקולות ראשונות ו-Bases

משקלים הם ראשוניים אקראיים.לדוגמה, המשקלים בין קלט לבין שכבת מוסתר הם:

ביסים נקבעים לאפס בתחילה לפשטות.

תעמולה וברכות

בהתחשב בתמונה קלט עם ערכי פיקסל (0.5, 0.2, 0.1, 0.7), קלטי השכבה הנסתר מחושבים כמו:

HIRFLT:0 ,1IRLT:1 = (0.5)(0.2) + (0.2)(-0.3) + (0.1) = 0.1 - 0.06 + 0.04 = 0.08= 0.08= 0.08=0.

HIRFLT:0 ,2IRLT:1 = (0.5)(-0.5) + (0.2)(0.1) + (0.1) = 0.25 + 0.02 - 0.02=0.25=0.25=0.25=0.25=0.25=0.25=0.25=0.25=0.25=0.25=0.25=0.25=0.25=0.25=0.25=0.25=0.25=0.25=0.

HIRFLT:0 ,3IRLT:1 = (0.5) + (0.2)(-0.4) + (0.1) = 0.15 - 0.08 + 0.02= 0.09 = 0.09

החלת תפקוד הפעלה, כגון sigmoid, פלטי שכבת הנסתר הם:

(ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

(ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

(ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

הפלטים משמשים לאחר מכן כקלטים לשכבה הפלט, שם משקלים משמשים באופן דומה להסתברות ייצוגית מותאמת.

חישוב שגיאות והעלאת משקולות

נניח שהמעמד האמיתי הוא שיעור 1, מיוצג כ- 1, .

(ב) ויקרא י"ד: 1 / 1 / 1 / 1 / 1 / 1 / 1 / ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

כאשר ז'ל:0.103103FLT:1 הוא הסכום המכובד של הפלטים הנסתרים.

אובדן = 0.5 * (target - פלט)FLT:020303303FLT

באמצעות ירידה ⁇ , משקולות מעודכנים על בסיס השגיאה ושיעור הלמידה, למשל, 0.1.

סיכום של Calculations

תהליך זה חוזר על תקופות מרובות, התאמת משקולות לשיפור הדיוק. חישובים מפורטים כרוכים רב-כפליים ממטריקס, פונקציות הפעלה ונגזרות שגיאות, אשר חיוניים לאימון רשתות עצביות ביעילות.