Ang mga kompuwestong Neural Network (CNNs) ay isang klase ng malalim na mga modelong pinag-aaralan na malawakang ginagamit para sa pagsusuri ng imahe.Ginagamit nila ang mga operasyong matematikal upang awtomatikong matuto ng mga katangian mula sa mga datos na pang-espasyo, na nakapagdurulot ng mga atas tulad ng klasipikasyon, pagtuklas, at sekwensiya.

Mathematical Operations sa CNN

Kabilang sa mahahalagang operasyon sa CNN ang convolution, mga gawaing pag - opera, pagsasama - sama, at lubusang magkakaugnay na mga suson.

Ang mga gawaing aktibsyon tulad ng ReLU ay nagpapakilala ng hindi-linearity, na nagpapahintulot sa network na matuto ng mga komplikadong padron.Ang Pooling ay nagbabawas ng spinal dimensiyon ng mga tampok na mapa, nabawasan ang pag-uuri ng karga at nagbibigay diin sa mga nangingibabaw na katangian.

Matematikal na Pagpapakatawan ng Conbolusyon

Ang operasyon ng ebolusyon ay sa matematikal na ipinahahayag na:

Y(i,j) = ⁇ X(i+m, j+n) * K(m,n)[

Kung saan X ang input na imahe, K] ang kernel o salaan, at Y]] ang nabuong tampok na mapa. Ang mga sumporde ay nasa ibabaw ng sukat ng kernel.

Ang Pag - aaral at ang Optimisasyon

Sa panahon ng pagsasanay, ang mga CNN ay tamang - tama sa paggamit ng mga pabigat na may algorithm na gaya ng cluggges.

Ang backpropagation computes frayges of the love may kinalaman sa bawat parameter, na tumataas ang timbang upang bawasan ang mga pagkakamali.

Mga Pakinabang sa Pagsusuri ng Larawan

Ang mga CNN ay mabisa sa iba't ibang gawain sa pagsusuri ng larawan, kasama na ang pagkilala sa bagay na ito, pagdetek sa mukha, at pag - i - i - imaging ng mga doktor, at ang kakayahan nilang matuto ng mga katangian ng mga ito sa mata ay nagpapangyaring maging angkop ang mga ito sa masalimuot na impormasyong nakikita.