Le blianta anuas, tá an fhoghlaim dhomhain ag déanamh na ceannlínte sa teicneolaíocht. Agus, tá sé simplí a thuiscint cén fáth.
Tá an brainse seo den hintleachta saorga ag athrú earnálacha ó chúram sláinte go baincéireacht go hiompar, rud a chumasaíonn dul chun cinn nach bhféadfaí a shamhlú roimhe seo.
Tá an domhainfhoghlaim bunaithe ar thacar de halgartaim sofaisticiúla a fhoghlaimíonn conas patrúin casta a bhaint as méideanna ollmhóra sonraí agus iad a thuar.
Breathnóimid ar na 15 algartaim dhomhainfhoghlama is fearr sa phost seo, ó Líonraí Néaracha Comhráiteacha go Líonraí Sáraimh Ginideacha go líonraí Cuimhne Gearrthéarmacha Fadtéarmacha.
Tabharfaidh an post seo léargais riachtanacha ar cibé an bhfuil tú a tosaitheoir nó saineolaí ar fhoghlaim dhomhain.
1. Líonraí Trasfhoirmeoir
Tá líonraí trasfhoirmeoirí tar éis claochlú fís ríomhaire agus iarratais próiseála teanga nádúrtha (NLP). Déanann siad anailís ar shonraí ag teacht isteach agus úsáideann siad próisis aire chun caidreamh fadraoin a ghabháil. Fágann sin go bhfuil siad níos tapúla ná na gnáthshamhlacha seicheamh-go-seicheamh.
Rinneadh cur síos ar líonraí trasfhoirmeoirí ar dtús san fhoilseachán “Attention Is All You Need” le Vaswani et al.
Is éard atá iontu ionchódóir agus díchódóir (2017). Tá an tsamhail claochladáin tar éis feidhmíocht a léiriú i réimse na n-iarratas NLP, lena n-áirítear anailís meon, catagóiriú téacs, agus aistriúchán meaisín.
Is féidir samhlacha atá bunaithe ar chlaochladán a úsáid freisin i bhfís ríomhaire le haghaidh feidhmchlár. Is féidir leo aithint réad agus fotheidealú íomhánna a dhéanamh.
2. Líonraí Cuimhne Fadtéarmacha (LSTManna)
Is foirm de Líonraí Cuimhne Gearrthéarmacha Fadtéarmacha (LSTManna). líonra neodrach tógtha go háirithe chun ionchur seicheamhach a láimhseáil. Tagraítear dóibh mar “ghearrthéarmach” mar is féidir leo eolas a thabhairt chun cuimhne fadó ó shin agus dearmad á dhéanamh acu ar fhaisnéis nach bhfuil gá léi.
Feidhmíonn LSTManna trí roinnt “geataí” a rialaíonn an sreabhadh faisnéise laistigh den líonra. Ag brath ar cé acu an meastar an fhaisnéis a bheith suntasach nó nach bhfuil, is féidir leis na geataí seo é a ligean isteach nó í a chosc.
Cuireann an teicníocht seo ar chumas LSTManna faisnéis ó chéimeanna san am atá caite a mheabhrú nó dearmad a dhéanamh orthu, rud atá ríthábhachtach le haghaidh tascanna ar nós aithint cainte, próiseáil teanga nádúrtha, agus tuar sraith ama.
Tá LSTManna thar a bheith tairbheach in aon chás ina bhfuil sonraí seicheamhacha agat a chaithfear a mheas nó a thuar. Is minic a úsáidtear iad i mbogearraí aitheantais gutha chun focail labhartha a thiontú go téacs, nó i margadh stoc anailís chun praghsanna sa todhchaí a thuar bunaithe ar shonraí roimhe seo.
3. Léarscáileanna Féineagrúcháin (SOMs)
Is cineál saorga iad SOManna líonra néarúil is féidir a fhoghlaim agus sonraí casta a léiriú i dtimpeallacht ísealtoiseach. Feidhmíonn an modh trí shonraí ionchuir ardtoiseacha a chlaochlú go greille déthoiseach, agus seasann gach aonad nó néaróin do chuid eile den spás ionchuir.
Nasctar na néaróin le chéile agus cruthaíonn siad struchtúr toipeolaíoch, rud a ligeann dóibh foghlaim agus dul i dtaithí ar na sonraí ionchuir. Mar sin, tá SOM bunaithe ar fhoghlaim gan mhaoirseacht.
Ní gá an algartam sonraí lipéadaithe le foghlaim ó. Ina áit sin, úsáideann sé gnéithe staitistiúla na sonraí ionchuir chun patrúin agus comhghaolta idir na hathróga a fháil amach.
Le linn na céime oiliúna, bíonn néaróin san iomaíocht le bheith mar an léiriú is fearr ar na sonraí ionchuir. Agus, iad féin-eagrú i struchtúr brí. Tá raon leathan feidhmchlár ag SOManna, lena n-áirítear aitheantas íomhá agus cainte, mianadóireacht sonraí, agus aithint patrún.
Tá siad úsáideach le haghaidh léirshamhlú sonraí casta, pointí sonraí gaolmhara a bhraisliú, agus neamhghnáchaíochtaí nó asluitigh a bhrath.
4. Foghlaim Neartú Dhomhain
Deep Foghlaim Athneartaithe Is cineál meaisínfhoghlama é ina gcuirtear oiliúint ar ghníomhaire chun cinntí a dhéanamh bunaithe ar chóras luach saothair. Feidhmíonn sé trí ligean don ghníomhaire idirghníomhú lena thimpeallacht agus foghlaim trí thriail agus earráid.
Tugtar luach saothair don ghníomhaire as gach gníomh a dhéanann sé, agus is é an cuspóir atá aige ná foghlaim conas a chuid buntáistí a bharrfheabhsú le himeacht ama. Is féidir é seo a úsáid chun gníomhairí a mhúineadh chun cluichí a imirt, gluaisteáin a thiomáint, agus fiú róbait a bhainistiú.
Is modh aithnidiúil Deep Atreisiú Foghlama é Q-Learning. Feidhmíonn sé trí mheasúnú a dhéanamh ar an luach a bhaineann le gníomh áirithe a dhéanamh i stát ar leith agus an meastachán sin a nuashonrú de réir mar a idirghníomhaíonn an gníomhaire leis an gcomhshaol.
Úsáideann an gníomhaire ansin na meastacháin seo chun a chinneadh cé acu gníomh is dóichí a gheobhaidh an luach saothair is mó. Baineadh úsáid as Q-Learning chun oideachas a chur ar ghníomhairí chun cluichí Atari a imirt, chomh maith le feabhas a chur ar úsáid fuinnimh in ionaid sonraí.
Is modh cáiliúil eile Foghlama Neartú Deep (DQN) é Deep Q-Networks. Tá DQNanna cosúil le Q-Learning sa mhéid is go ndéanann siad meastachán ar luachanna gníomhaíochta ag baint úsáide as gréasán néarach domhain seachas tábla.
Cuireann sé seo ar a gcumas déileáil le suíomhanna ollmhóra casta le go leor gníomhartha malartacha. Baineadh úsáid as DQNs chun gníomhairí a oiliúint chun cluichí ar nós Go agus Dota 2 a imirt, chomh maith le róbait a chruthú a fhéadfaidh foghlaim conas siúl.
5. Líonraí Néaracha Athfhillteacha (RNNanna)
Is cineál líonra néarúil iad RNNanna ar féidir leo sonraí seicheamhacha a phróiseáil agus staid inmheánach á choinneáil. Smaoinigh go bhfuil sé cosúil le duine a léamh leabhar, áit a bhfuil gach focal a díolama i ndáil leis na cinn a tháinig roimhe.
Tá RNNanna oiriúnach mar sin do thascanna mar aithint cainte, aistriúchán teanga, agus fiú an chéad fhocal eile i bhfrása a thuar.
Oibríonn RNNanna trí lúba aiseolais a úsáid chun aschur gach céim siar a nascadh le hionchur na chéad chéim eile ama. Ligeann sé seo don líonra úsáid a bhaint as faisnéis faoi chéimeanna ama roimh ré chun a thuar do chéimeanna ama amach anseo a threorú. Ar an drochuair, ciallaíonn sé seo freisin go bhfuil RNNanna leochaileach don tsaincheist grádán atá ag dul in olcas, ina n-éiríonn na grádáin a úsáidtear le haghaidh oiliúna an-bheag agus ina mbíonn an líonra ag streachailt le caidrimh fhadtéarmacha a fhoghlaim.
In ainneoin an tsriain dhealraitheach seo, fuair RNNs úsáid i raon leathan feidhmchlár. Áirítear ar na hiarratais seo próiseáil teanga nádúrtha, aithint cainte, agus fiú táirgeadh ceoil.
Google Translate, mar shampla, úsáideann sé córas atá bunaithe ar RNN chun aistriú go teangacha, agus úsáideann Siri, an cúntóir fíorúil, córas atá bunaithe ar RNN chun guth a bhrath. Baineadh úsáid as RNNanna freisin chun praghsanna stoic a thuar agus chun téacs agus grafaic réalaíoch a chruthú.
6. Líonraí Capsúil
Is cineál nua de dhearadh líonra néarúil é Capsule Networks ar féidir patrúin agus comhghaolta i sonraí a aithint ar bhealach níos éifeachtaí. Eagraíonn siad néaróin ina “capsúil” a ionchódaíonn gnéithe áirithe d’ionchur.
Ar an mbealach seo is féidir leo tuar níos cruinne a dhéanamh. Baineann Capsule Networks airíonna casta de réir a chéile ó shonraí ionchuir trí shraitheanna iomadúla capsúl a úsáid.
Cuireann teicníc Capsule Networks ar a gcumas léirithe ordlathacha den ionchur tugtha a fhoghlaim. Is féidir leo naisc spásúla a ionchódú i gceart idir míreanna taobh istigh de phictiúr trí chumarsáid a dhéanamh idir capsúil.
Feidhmíonn Capsule Networks iad sainaithint réad, deighilt pictiúr, agus próiseáil teanga nádúrtha.
Tá an cumas ag Capsule Networks a bheith fostaithe i tiomáint uathrialach teicneolaíochtaí. Cabhraíonn siad leis an gcóras maidir le haithint agus idirdhealú a dhéanamh idir míreanna ar nós gluaisteán, daoine agus comharthaí tráchta. Is féidir leis na córais seo imbhuailtí a sheachaint trí thuar níos cruinne a dhéanamh faoi iompar rudaí ina dtimpeallacht.
7. Uath-ionchódóirí Athrógacha (VAEanna)
Is cineál d’uirlis dhomhainfhoghlama iad VAEanna a úsáidtear le haghaidh foghlama gan mhaoirseacht. Trí shonraí a ionchódú isteach i spás tríthoiseach níos ísle agus ansin é a dhíchódú ar ais isteach sa bhunfhormáid, féadfaidh siad foghlaim conas patrúin i sonraí a aimsiú.
Tá siad cosúil le magician atá in ann coinín a athrú ina hata agus ansin ar ais ina choinín! Tá VAEanna tairbheach chun fístéipeanna nó ceol réalaíocha a ghiniúint. Agus, is féidir iad a úsáid chun sonraí nua a tháirgeadh atá inchomparáide leis na sonraí bunaidh.
Tá VAEanna cosúil le códbreaker rúnda. Is féidir leo a fháil amach an bunúsacha struchtúr na sonraí trí é a bhriseadh síos ina phíosaí níos simplí, cosúil le conas a bhristear puzal. Féadfaidh siad úsáid a bhaint as an bhfaisnéis sin chun sonraí nua a thógáil atá cosúil leis an gceann bunaidh tar éis dóibh na codanna a réiteach.
Is féidir é seo a bheith áisiúil chun comhaid ollmhóra a chomhbhrú nó chun grafaic úr nó ceol úr a tháirgeadh i stíl áirithe. Is féidir le VAEanna ábhar úr a tháirgeadh freisin, mar scéalta nuachta nó liricí ceoil.
8. Líonraí Sáraíochta Giniteacha (GANanna)
Is cineál de chóras domhainfhoghlama iad GANanna (Líonraí Gineadacha Sáraimh) a ghineann sonraí nua atá cosúil leis an gceann bunaidh. Feidhmíonn siad trí dhá líonra a oiliúint: gineadóir agus líonra idirdhealaithe.
Táirgeann an gineadóir sonraí nua atá inchomparáide leis an gceann bunaidh.
Agus, déanann an t-idirdhealúoir iarracht idirdhealú a dhéanamh idir na sonraí bunaidh agus na sonraí cruthaithe. Cuirtear oiliúint ar an dá líonra i dteannta a chéile, agus déanann an gineadóir iarracht an t-idirdhealú a mhealladh agus an t-idirdhealú ag iarraidh na sonraí bunaidh a aithint i gceart.
Smaoinigh gur trasnú idir bhrionglóir agus bleachtaire iad GAN. Feidhmíonn an gineadóir mar an gcéanna le brionnóir, ag táirgeadh saothar ealaíne nua atá cosúil leis an mbunleagan.
Feidhmíonn an t-idirdhealúoir mar bleachtaire, ag iarraidh idirdhealú a dhéanamh idir fíor-shaothar ealaíne agus brionnú. Cuirtear oiliúint ar an dá líonra ag an am céanna, agus tá feabhas ag teacht ar an ngineadóir maidir le bréige sochreidte a dhéanamh agus an t-idirdhealú ag feabhsú maidir lena n-aithint.
Tá úsáidí éagsúla ag GANanna, ó pictiúir réalaíocha a tháirgeadh de dhaoine nó d’ainmhithe go ceol nó scríbhneoireacht nua a chruthú. Féadfar iad a úsáid freisin chun sonraí a mhéadú, lena n-áirítear sonraí táirgthe a chomhcheangal le fíorshonraí chun tacar sonraí níos mó a chruthú le haghaidh samhlacha meaisínfhoghlama a thraenáil.
9. Líonraí Q domhain (DQNanna)
Is saghas algartam foghlama treisithe cinnteoireachta iad Líonraí Q Deep (DQNanna). Feidhmíonn siad trí fheidhm Q a fhoghlaim a thuar an luach saothair a bhfuiltear ag súil leis as gníomh áirithe a dhéanamh i riocht áirithe.
Múintear an fheidhm Q trí thriail agus trí earráid, agus déanann an t-algartam gníomhartha éagsúla agus foghlaim ó na torthaí.
Smaoinigh air mar a cluiche físeán carachtar ag tástáil le gníomhartha éagsúla agus ag fáil amach cad iad na cinn as a n-éireoidh! Déanann DQNs an fheidhm Q a oiliúint ag baint úsáide as líonra néarúil domhain, rud a fhágann gur uirlisí éifeachtacha iad le haghaidh tascanna cinnteoireachta deacra.
Tá siad tar éis fiú Seaimpíní daonna a shárú i gcluichí cosúil le Go agus fichille, chomh maith le róbataic agus gluaisteáin féin-tiomána. Mar sin, ar an iomlán, oibríonn DQNs trí fhoghlaim ó thaithí chun a scileanna cinnteoireachta a fheabhsú le himeacht ama.
10. Líonraí Feidhm Bunús Gathach (RBFNanna)
Is cineál de líonra néarúil iad Líonraí Feidhm Bunús Gathacha (RBFNanna) a úsáidtear chun feidhmeanna a chomhfhogasú agus chun tascanna aicmithe a dhéanamh. Feidhmíonn siad trí na sonraí ionchuir a chlaochlú go spás tríthoiseach níos airde ag baint úsáide as bailiúchán feidhmeanna bonn gathacha.
Is meascán líneach de na feidhmeanna bonn é aschur an líonra, agus is ionann gach feidhm bonn gathacha agus lárphointe sa spás ionchuir.
Bíonn RBFNanna éifeachtach go háirithe do chásanna ina bhfuil idirghníomhaíochtaí casta ionchuir-aschuir, agus féadfar iad a mhúineadh trí úsáid a bhaint as raon leathan teicnící, lena n-áirítear foghlaim faoi mhaoirseacht agus gan mhaoirseacht. Baineadh úsáid astu le haghaidh rud ar bith ó thuar airgeadais go haitheantas pictiúr agus cainte go diagnóisic leighis.
Smaoinigh ar RBFNanna mar chóras GPS a úsáideann sraith pointí ancaire chun a bhealach a dhéanamh trasna tír-raon dúshlánach. Is meascán de na pointí ancaire é aschur an líonra, a sheasann do na feidhmeanna bonn gathacha.
Is féidir linn brabhsáil trí fhaisnéis chasta agus tuar beachta a dhéanamh faoin gcaoi a n-éireoidh le cás trí RBFNanna a úsáid.
11. Perceptrons Ilchiseal (MLPanna)
Úsáidtear gnáthchineál líonra néaraigh ar a dtugtar perceptron ilchiseal (MLP) le haghaidh tascanna foghlama maoirsithe amhail rangú agus aischéimniú. Feidhmíonn siad trí roinnt sraitheanna de nóid nasctha, nó néaróin, a chruachadh le gach ciseal ag athrú na sonraí a thagann isteach go neamhlíneach.
I MLP, faigheann gach néaróin ionchur ó na néaróin sa chiseal thíos agus seolann sé comhartha chuig na néaróin sa chiseal thuas. Cinntear aschur gach néaróin ag baint úsáide as feidhm gníomhachtaithe, rud a thugann neamhlíneacht don líonra.
Tá siad in ann léirithe sofaisticiúla de na sonraí ionchuir a fhoghlaim mar is féidir roinnt sraitheanna folaithe a bheith acu.
Cuireadh MLPanna i bhfeidhm ar thascanna éagsúla, mar anailís ar mheon, braite calaoise, agus aithint gutha agus pictiúr. Féadfar MLPanna a chur i gcomparáid le grúpa imscrúdaitheoirí a oibríonn le chéile chun cás deacair a réiteach.
Le chéile, is féidir leo na fíricí a chur le chéile agus an choir a réiteach in ainneoin go bhfuil sainréimse ar leith ag gach ceann acu.
12. Líonraí Néaracha Comhráiteacha (CNNanna)
Próiseáiltear íomhánna agus físeáin ag baint úsáide as líonraí néaracha comhraonta (CNNanna), foirm de líonra néarúil. Feidhmíonn siad trí shraith scagairí infhoghlama, nó eithne, a úsáid chun tréithe suntasacha a bhaint as na sonraí ionchuir.
Sleamhnaíonn na scagairí thar an bpictiúr ionchuir, ag déanamh convolutions chun gnéléarscáil a thógáil a ghlacann gnéithe riachtanacha den íomhá.
Toisc go bhfuil CNNs in ann léirithe ordlathacha de shaintréithe an phictiúir a fhoghlaim, tá siad cabhrach go háirithe do chásanna ina bhfuil méideanna ollmhóra sonraí amhairc. Bhain go leor feidhmchlár leas astu, mar shampla réada a bhrath, catagóiriú pictiúr agus aghaidh a bhrath.
Smaoinigh ar CNNanna mar phéintéir a úsáideann roinnt scuaba chun sárshaothar a chruthú. Is eithne é gach scuab, agus féadfaidh an t-ealaíontóir íomhá casta, réalaíoch a thógáil trí go leor eithne a mheascadh. Is féidir linn tréithe suntasacha a bhaint as grianghraif agus iad a úsáid chun ábhar na híomhá a thuar go cruinn trí CNNanna a úsáid.
13. Líonraí Doimhinchreidimh (DBNanna)
Is cineál de líonra néarúil iad DBNanna a úsáidtear le haghaidh tascanna foghlama gan mhaoirseacht, amhail laghdú toise agus foghlaim gné. Feidhmíonn siad trí roinnt sraitheanna de Mheaisíní Srianta Boltzmann (RBManna) a chruachadh, ar líonraí néaracha dhá chiseal iad atá in ann sonraí ionchuir a athdhéanamh.
Tá DBNanna an-tairbheach maidir le saincheisteanna sonraí ardtoiseacha mar is féidir leo léiriú dlúth agus éifeachtach ar an ionchur a fhoghlaim. Baineadh úsáid astu le haghaidh rud ar bith ó aithint gutha go catagóiriú pictiúr go fionnachtain drugaí.
Mar shampla, d'úsáid taighdeoirí DBN chun meastachán a dhéanamh ar an gcleamhnas atá ag iarrthóirí cógais leis an ngabhdóir estrogen. Cuireadh oiliúint ar an DBN ar bhailiúchán de shaintréithe ceimiceacha agus de cheangail cheangailteach, agus bhí sé in ann cleamhnas ceangailteach iarrthóirí drugaí núíosacha a thuar go cruinn.
Leagann sé seo béim ar úsáid DBNanna i bhforbairt drugaí agus i bhfeidhmchláir sonraí ardtoiseacha eile.
14. Uath-ionchódóirí
Is líonraí néaracha iad uath-ionchódóirí a úsáidtear le haghaidh tascanna foghlama gan mhaoirseacht. Tá sé i gceist acu na sonraí ionchuir a athchruthú, rud a thugann le tuiscint go bhfoghlaimeoidh siad conas an fhaisnéis a ionchódú i léiriú dlúth agus ansin í a dhíchódú ar ais isteach san ionchur bunaidh.
Tá uath-ionchódóirí an-éifeachtach maidir le comhbhrú sonraí, baint torainn agus aimsiú aimhrialtacht. Is féidir iad a úsáid freisin le haghaidh foghlama gné, áit a gcuirtear léiriú dlúth an uath-ionchódóra isteach i dtasc foghlama maoirsithe.
Smaoinigh gur mic léinn iad uath-ionchódóirí ag glacadh nótaí sa rang. Éisteann an mac léinn leis an léacht agus scríobhann sé síos na pointí is ábhartha ar bhealach beacht éifeachtach.
Níos déanaí, féadfaidh an scoláire staidéar agus cuimhneamh ar an gceacht ag baint úsáide as a gcuid nótaí. Ar an láimh eile, déanann uath-ionchódóir na sonraí ionchuir a ionchódú i léiriú dlúth a fhéadfar a úsáid ina dhiaidh sin chun críocha éagsúla cosúil le brath aimhrialtacht nó comhbhrú sonraí.
15. Meaisíní Srianta Boltzmann (RBManna)
Is cineál de líonra néarúil giniúna iad RBManna (Meaisíní Srianta Boltzmann) a úsáidtear le haghaidh tascanna foghlama gan mhaoirseacht. Tá siad comhdhéanta de shraith infheicthe agus ciseal folaithe, le néaróin i ngach ciseal, nasctha ach nach bhfuil laistigh den tsraith chéanna.
Cuirtear oiliúint ar RBManna ag baint úsáide as teicníocht ar a dtugtar éagsúlacht chodarsnachta, a chiallaíonn go n-athraítear na meáchain idir na sraitheanna infheicthe agus na sraitheanna folaithe chun dóchúlacht na sonraí oiliúna a bharrfheabhsú. Féadfaidh RBManna sonraí úra a chruthú tar éis dóibh a bheith oilte trí shampláil a dhéanamh ón dáileadh foghlamtha.
Feidhmchláir a bhfuil RBManna fostaithe acu is ea aithint íomhá agus urlabhra, scagadh comhoibríoch, agus braite aimhrialtachta. Baineadh úsáid astu freisin i gcórais mholta chun moltaí saincheaptha a chruthú trí phatrúin a fhoghlaim ó iompar úsáideoirí.
Baineadh úsáid as RBManna freisin i bhfoghlaim gné chun léiriú dlúth agus éifeachtach ar shonraí ardtoiseacha a chruthú.
Forbairtí Cuimsitheacha agus Geallta ar an Horizon
Tá modhanna domhainfhoghlama, ar nós Líonraí Néaracha Comhráiteacha (CNNanna) agus Líonraí Néaracha Athfhillteacha (RNNanna), i measc na gcur chuige intleachta saorga is forbartha. Tá aitheantas pictiúr agus fuaime athraithe ag CNNanna, agus tá dul chun cinn suntasach déanta ag RNNanna i bpróiseáil teanga nádúrtha agus anailís seicheamhach ar shonraí.
Is dócha go ndíreoidh an chéad chéim eile in éabhlóid na gcineálacha cur chuige sin ar a n-éifeachtúlacht agus a n-inscálaitheacht a fheabhsú, rud a ligeann dóibh tacair shonraí níos mó agus níos casta a anailísiú, chomh maith lena inléirmhíniú agus a gcumas chun foghlaim ó shonraí lipéadaithe a fheabhsú.
Tá an fhéidearthacht ag foghlaim dhomhain dul chun cinn a dhéanamh i réimsí mar chúram sláinte, airgeadas, agus córais uathrialacha de réir mar a théann sí ar aghaidh.
Leave a Reply