Table of Contents[Qari][muuji]
Mustaqbalku waa halkan. Oo, mashiinadan mustaqbalka waxay u fahmaan adduunka ku hareeraysan si la mid ah sida dadku u fahmaan. Kumbuyuutarku waxay wadi karaan baabuurta, waxay ogaan karaan cudurrada, waxayna si sax ah u saadaalin karaan mustaqbalka.
Tani waxay u ekaan kartaa khayaal saynis, laakiin moodooyinka barasho qoto dheer ayaa ka dhigaya mid dhab ah.
Algorithms-yadan casriga ah ayaa muujinaya sirta sirdoonka macmal, u oggolaanaya kombuyuutarrada inay is-bartaan oo horumariyaan. Maqaalkan, waxaynu u dhexgeli doonaa qaabka waxbarashada qoto dheer.
Oo, waxaan baari doonaa awoodda weyn ee ay u leeyihiin kacaanka nolosheena. U diyaargarow inaad wax ka barato tignoolajiyada casriga ah ee beddelaya mustaqbalka aadanaha.
Waa maxay Qaababka Waxbarashada Qoto dheer?
Weligaa ma ciyaartay ciyaar ay tahay in aad aqoonsato faraqa u dhexeeya laba sawir?
Si kastaba ha ahaatee waa madadaalo, sidoo kale waxay noqon kartaa mid adag, sax? Bal qiyaas in aad awood u leedahay inaad kombuyuutar barato inuu ciyaaro ciyaartaas oo uu guuleysto mar kasta. Moodooyinka barasho qoto dheer ayaa taas ku guulaysta!
Moodooyinka waxbarashada qoto dheer waxay la mid yihiin mashiinnada aadka u caqli badan kuwaas oo baari kara tiro badan oo sawirro ah oo go'aamin kara waxa ay wadaagaan. Waxay tan ku dhameeyaan iyagoo kala furfura sawirada oo mid walba si gaar ah u daraaseeya.
Kadib waxay dabaqaan waxay barteen si ay u aqoonsadaan qaababka oo ay u saadaaliyaan muuqaalo cusub oo aysan waligood arag.
Moodooyinka barasho qoto dheer waa shabakado neerfaha macmal ah oo baran kara kana soo saari kara qaabab adag iyo sifooyin xog-ururineed oo waaweyn. Moodooyinkani waxay ka kooban yihiin dhowr lakab oo noodhadhka isku xidhan, ama neurons, kuwaas oo falanqeeya oo beddela xogta soo socota si ay u soo saaraan wax soo saar.
Moodooyinka waxbarashada qoto dheer waxay si gaar ah ugu habboon yihiin shaqooyinka u baahan saxnaan iyo saxnaan weyn, sida aqoonsiga sawirka, aqoonsiga hadalka, habaynta luqadda dabiiciga ah, iyo roboticska.
Waxa loo adeegsaday wax kasta laga bilaabo baabuurta iswada ilaa baadhista caafimaadka, hababka la talinta, iyo falanqaynta saadaalinta.
Waa kan qaabka la fududeeyay ee aragga si loo muujiyo socodka xogta qaabka waxbarasho qoto dheer.
Xogta gelintadu waxay ku socotaa lakabka wax-soo-gelinta ee moodeelka, ka dibna u gudbiya xogta dhowr lakab oo qarsoon ka hor inta aan la bixin saadaasha wax-soo-saarka.
Lakab kasta oo qarsoon wuxuu sameeyaa hawlgallo xisaabeed taxane ah oo ku saabsan xogta gelinta ka hor inta aan loo gudbin lakabka xiga, kaas oo bixiya saadaasha ugu dambeysa.
Haddaba, aan aragno waxa ay yihiin tusaalayaal barasho qoto dheer iyo sida aan ugu adeegsan karno nolosheenna.
1. Isku xidhka Neural Networks (CNNs)
CNN-yadu waa qaab barasho qoto dheer oo wax ka beddelay aagga aragga kombiyuutarka. CNN-yada waxaa loo isticmaalaa in lagu kala saaro sawirada, lagu aqoonsado walxaha, iyo sawirada qaybaha. Qaab dhismeedka iyo shaqada kiliyaha muuqaalka bini'aadamka ayaa ku wargeliyay naqshadeynta CNN-yada.
Sidee ayey u shaqeeyaan?
CNN-ku waxa uu ka kooban yahay tiro lakabyo is-daba-marin ah, lakabyo isku dhafan, iyo lakabyo si buuxda isugu xidhan. Gelintu waa sawir, wax-soo-saarkuna waa saadaasha astaanta fasalka ee sawirka.
Lakabyada isdhaafsiga ee CNN waxay dhisaan khariidad sifada iyagoo samaynaya wax soo saar dhibco ah inta u dhaxaysa sawirka gelinta iyo shaandhada kala duwan. Lakabyada isku-dubaridku waxay hoos u dhigaan cabbirka khariidadda sifada iyagoo hoos u dhigaya.
Ugu dambeyntii, khariidadda sifada waxaa isticmaala lakabyada si buuxda ugu xiran si loo saadaaliyo calaamada fasalka sawirka.
Maxay CNN-yadu Muhiim u yihiin?
CNN-yadu waa lama huraan sababtoo ah waxay baran karaan inay ogaadaan qaababka iyo astaamaha sawirada ay dadku ku adag tahay inay ogaadaan. CNN-yada waxaa la bari karaa inay aqoonsadaan sifooyinka sida geesaha, geesaha, iyo textures iyadoo la isticmaalayo xog-ururin weyn. Kadib barashada guryahan, CNN-ku waxa uu isticmaali karaa si uu u aqoonsado walxaha ku jira sawiro cusub. CNN-yadu waxay soo bandhigeen waxqabad heersare ah oo ku saabsan codsiyada aqoonsiga sawirka ee kala duwan.
Halkee ayaan ka isticmaalnaa CNN-yada
Daryeelka caafimaadka, warshadaha baabuurta, iyo tafaariiqda ayaa ah waaxyo kooban oo ka shaqeeya CNN-yada. Warshadaha daryeelka caafimaadka, waxay faa'iido u yeelan karaan ogaanshaha jirrada, horumarinta daawada, iyo falanqaynta sawirka caafimaadka.
Qaybta baabuurta, waxay ka caawiyaan ogaanshaha haadka, ogaanshaha shay, iyo wadista iskeed u madax bannaan. Waxa kale oo si weyn loogu isticmaalaa tafaariiqda raadinta muuqaalka, talinta alaabta ku salaysan sawirka, iyo xakamaynta alaabada.
Tusaale ahaan; Google wuxuu u shaqeeyaa CNN-yada codsiyo kala duwan, oo ay ku jiraan Google Lens, qalab aqoonsiga sawirka si fiican loo jeclaa. Barnaamijku wuxuu isticmaalaa CNN-yada si uu u qiimeeyo sawirrada oo uu u siiyo dadka isticmaala macluumaadka.
Google Lens, tusaale ahaan, waxa uu garan karaa shay ku jira sawirka wuxuuna bixin karaa tafaasiil iyaga ku saabsan, sida nooca ubaxa.
Waxa kale oo laga yaabaa inay u tarjumto qoraalka laga soo saaray sawirka oo u tarjumo luqado badan. Google Lens wuxuu awoodaa inuu siiyo macaamiisha macluumaad faa'iido leh sababta oo ah caawinta CNN-yada ee sida saxda ah u aqoonsanaya walxaha iyo ka soo saarista sifooyinka sawirada.
2. Shabakadaha xusuusta muddada-gaaban (LSTM).
Shabakadaha xusuusta muddada-gaaban (LSTM) ayaa loo sameeyay si ay wax uga qabtaan cilladaha shabakadaha neerfaha ee soo noqnoqda (RNNs). Shabakadaha LSTM waxay ku fiican yihiin hawlaha u baahan habaynta xogta isku xigxiga wakhtiga oo dhan.
Waxay ku shaqeeyaan iyagoo isticmaalaya unug xusuusta gaarka ah iyo saddex hab oo albaabbada loo xidho.
Waxay nidaamiyaan qulqulka macluumaadka gudaha iyo ka bixista unugga. Albaabka wax lagu soo shubo, albaabka illowda iyo albaabka wax soo saarku waa saddexda albaab.
Albaabka wax lagu shubo waxa uu nidaamiyaa socodka xogta ee unugga xusuusta, albaabka illowgu waxa uu nidaamiyaa tirtirka xogta unugga, albaabka wax soo saarkuna waxa uu nidaamiyaa socodka xogta ka baxaysa unugga.
Waa maxay Muhiimadooda?
Shabakadaha LSTM waa kuwo faa'iido leh sababtoo ah waxay si guul leh u meteli karaan oo ay saadaalin karaan xogta isku xigta ee cilaaqaadka muddada-dheer. Waxay duubi karaan oo hayn karaan macluumaadka ku saabsan agabkii hore, iyaga oo u oggolaanaya inay saadaal sax ah ka sameeyaan wax-gelinta mustaqbalka.
Aqoonsiga hadalka, aqoonsiga gacan-qorista, habaynta luqadda dabiiciga ah, iyo qoraal-ku-qoridda sawirka ayaa ah dhawr ka mid ah codsiyada la isticmaalay shabakadaha LSTM.
Halkee ayaan ka isticmaalnaa shabakadaha LSTM?
Codsiyada softiweerka iyo tignoolajiyada badan ayaa ka shaqeeya shabakadaha LSTM, oo ay ku jiraan nidaamyada aqoonsiga hadalka, aaladaha habaynta luqadaha dabiiciga ah sida falanqaynta dareenka, hababka turjumaada mishiinka, iyo qoraalada iyo hababka sawir qaadista.
Waxa kale oo loo adeegsaday abuuritaanka baabuurta iswada iyo robots, iyo sidoo kale warshadaha maaliyadda si loo ogaado khiyaanada iyo odoroska suuqa saamiyada dhaqdhaqaaqa.
3. Isku-xidhka Adversarial Networks (GANs)
GAN waa a waxbarashada qoto dheer farsamada loo isticmaalo in lagu soo saaro muunado xog cusub oo la mid ah xog-ururinta la bixiyay. GAN waxay ka kooban yihiin laba shabakadaha neerfaha: mid barta inuu soo saaro muunado cusub iyo mid barta inuu kala saaro muunado dhab ah iyo mid la soo saaray.
Si la mid ah, labadan shabakadood ayaa si wada jir ah loo tababaray ilaa uu koronto-dhaliye ka soo saari karo muunado aan la kala saari karin kuwa dhabta ah.
Maxaynu u isticmaalnaa GAN-yada
GAN-yadu waa muhiim sababtoo ah awooddooda si ay u soo saaraan tayo sare leh xogta synthetic kuwaas oo laga yaabo in loo isticmaalo codsiyo kala duwan, oo ay ku jiraan sawir iyo muuqaal soo saarid, qoraal qoraaleed, iyo xataa jiilka muusiga.
GAN-yada ayaa sidoo kale loo adeegsaday kordhinta xogta, taas oo ah jiilka xogta synthetic si loo kabo xogta dhabta ah ee dunida oo loo hagaajiyo waxqabadka moodooyinka-barashada mashiinka.
Intaa waxaa dheer, iyada oo la abuurayo xogta synthetic ee loo isticmaali karo in lagu tababaro moodooyinka iyo ku dayashada tijaabooyinka, GANs waxay awood u leeyihiin inay beddelaan qaybaha sida daawada iyo horumarinta daroogada.
Codsiyada GAN-yada
GAN-yadu waxay kabi karaan xog-ururinta, samayn karaan sawiro ama filimaan cusub, oo xataa waxay soo saari karaan xog-is-daba-marin oo loogu talagalay jilitaanka sayniska. Intaa waxaa dheer, GAN-yadu waxay awood u leeyihiin in lagu shaqaaleysiiyo codsiyo kala duwan oo u dhexeeya madadaalada iyo caafimaadka.
da'da iyo fiidiyowyada. NVIDIA's StyleGAN2, tusaale ahaan, waxaa loo isticmaalay in lagu abuuro sawiro tayo sare leh ee dadka caanka ah iyo farshaxanka.
4. Shabakadda rumaysadka qoto dheer (DBNs)
Shabakadaha rumaysadka qoto dheer (DBNs) waa sirdoonka macmal nidaamyada baran kara in lagu ogaado qaababka xogta. Waxay tan ku dhameeyaan iyaga oo u kala qaybiya xogta qaybo yaryar iyo kuwo yaryar, iyaga oo si qotodheer u fahmaya heer kasta.
DBN-yadu waxa ay wax ka baran karaan xogta iyaga oo aan loo sheegin waxa ay tahay (tani waxa loo yaqaan "waxbarasho aan la ilaalin"). Tani waxay ka dhigaysaa inay aad ugu qiimo badan yihiin ogaanshaha qaababka xogta oo qofku ay ku adkaan karto ama aanay suurtogal ahayn in la garto.
Maxaa ka dhigaya DBN-yada Muhiim?
DBN-yadu waa muhiim sababtoo ah awooddooda ay ku bartaan matalaadda xogta kala sareynta. Tusaalooyinkan waxaa loo isticmaali karaa codsiyo kala duwan sida soocidda, ogaanshaha cillad, iyo dhimista cabbirka.
Awoodda DBN-yadu si ay u qaataan tababbarka hore ee aan la kormeerin, taas oo kordhin karta waxqabadka moodooyinka barasho qoto dheer oo leh xogta ugu yar ee calaamadeysan, waa faa'iido weyn.
Waa maxay codsiyada DBNs?
Mid ka mid ah codsiyada ugu muhiimsan waa ogaanshaha shay, kaas oo DBN-yada loo isticmaalo in lagu aqoonsado noocyada waxyaabaha qaarkood sida diyaaradaha, shimbiraha, iyo aadanaha. Waxa kale oo loo adeegsadaa soo saarista sawirka iyo kala saarista, ogaanshaha dhaqdhaqaaqa filimada, iyo fahamka luqadda dabiiciga ah ee habaynta codka.
Intaa waxaa dheer, DBN-yada waxaa sida caadiga ah looga shaqeeyaa xog-ururinta si loo qiimeeyo meelaha ay dadku joogaan. DBN-yadu waa qalab weyn oo loogu talagalay warshado kala duwan, oo ay ku jiraan daryeelka caafimaadka iyo bangiyada, iyo tignoolajiyada.
5. Shabakadaha Barashada Xoojinta qoto dheer (DRLs)
Deep Xoojinta Waxbarashada Shabakadaha (DRLs) waxay isku daraan shabakadaha neerfaha qoto dheer leh farsamooyinka xoojinta barashada si ay ugu oggolaadaan wakiilada inay wax ku bartaan jawi adag iyada oo loo marayo tijaabo iyo qalad.
DRLs waxaa loo isticmaalaa in lagu baro wakiilada sida loo hagaajiyo calaamadda abaal-marinta iyadoo la falgalayo agagaarkooda oo ay wax ka bartaan khaladaadkooda.
Maxaa Ka Dhigay Iyaga Cajiib?
Waxaa si wax ku ool ah loogu isticmaalay codsiyo kala duwan, oo ay ku jiraan ciyaaraha, robotics-ka, iyo wadista iskeed u madax bannaan. DRL-yadu waa muhiim sababtoo ah waxay si toos ah wax uga baran karaan gelinta dareenka cayriin, taas oo u oggolaanaysa wakiilada inay go'aan ka gaaraan isdhexgalka ay la leeyihiin deegaanka.
Codsiyada Muhiimka ah
DRL-yada waxaa lagu shaqaaleysiiyay duruufaha dhabta ah ee aduunka sababtoo ah waxay xamili karaan arimo adag.
DRL-yada waxaa lagu daray dhowr software oo caan ah iyo aalado teknoloji, oo ay ku jiraan OpenAI's Gym, Midnimada ML-Wakiilada, iyo Google's DeepMind Lab. AlphaGo, waxaa dhisay Google Deepmind, tusaale ahaan, waxay shaqaaleysiisaa DRL si ay u ciyaarto ciyaarta guddiga Go heer caalami ah.
Isticmaalka kale ee DRL wuxuu ku jiraa robotics, halkaas oo loo isticmaalo in lagu xakameeyo dhaqdhaqaaqa hubka robotka si loo fuliyo hawlo ay ka mid yihiin wax qabashada ama isku dhejinta. DRLs waxay leeyihiin isticmaalyo badan waxayna u yihiin qalab waxtar leh wakiilada tababarka si ay u bartaan go'aanna ku gaadhaan meelo adag.
6. Autoencoders
Autoencoders waa nooc xiiso leh shabakada neuralada taas oo soo jiidatay xiisihii culimada iyo saynisyahannada xogta labadaba. Waxay asal ahaan loogu talagalay inay bartaan sida loo cadaadiyo oo loo soo celiyo xogta.
Xogta galinta waxa lagu quudiyaa lakabyo isdaba joog ah kuwaaso si tartiib tartiib ah hoos u dhigaya cabbirka xogta ilaa la isku cadaadiyo lakabka dhuunta dhalooyinka oo leh noono ka yar lakabyada wax-gelinta iyo soo-saarka.
Matalaaddan la isku riixay ayaa markaa loo istcimaalaa in dib loo sameeyo xogta gelinta asalka ah iyadoo la adeegsanayo isku xigxiga lakabyo kuwaas oo si tartiib tartiib ah kor ugu qaadaya cabbirka xogta qaabkeedii hore.
Maxay Muhiim u Tahay?
Autoencoders waa qayb muhiim ah oo ka mid ah waxbarashada qoto dheer sababtoo ah waxay suurtogal ka dhigayaan soo saarista muuqaalka iyo dhimista xogta.
Waxay awoodaan inay aqoonsadaan qaybaha muhiimka ah ee xogta soo socota oo ay u tarjumaan qaab isku dhafan oo markaa laga yaabo in lagu dabaqo hawlaha kale sida kala-soocidda, kooxaynta, ama abuurista xog cusub.
Halkee ayaan ka isticmaalnaa Autoencoders?
Ogaanshaha Anomaly, habaynta luqadda dabiiciga ah, iyo aragtida kombiyuutarka waa wax yar oo ka mid ah culuumta lagu isticmaalo cod-bixiyayaasha autoencoders. Autoencoders, tusaale ahaan, waxaa loo isticmaali karaa isku-buufinta sawirka, diidmada sawirka, iyo isku-dhafka sawirka ee aragga kombiyuutarka.
Waxaan u isticmaali karnaa Autoencoders hawlaha sida abuurista qoraalka, kala soocida qoraalka, iyo soo koobidda qoraalka habaynta luqadda dabiiciga ah. Waxay aqoonsan kartaa dhaqdhaqaaqa aan caadiga ahayn ee xogta taas oo ka leexanaysa caadada aqoonsiga.
7. Shabakadaha Kaabsoosha
Shabakadda Kaabsoosha waa qaab-dhismeed barasho qoto dheer oo cusub oo loo sameeyay beddelka Shabakadaha Dareemaha Dareenka (CNNs).
Shabakadda Kaabsoosha waxay ku salaysan tahay fikradda kooxaynta unugyada maskaxda ee loo yaqaan kaabsoosha kuwaas oo mas'uul ka ah garashada jiritaanka shay gaar ah oo ku jira sawirka oo ay ku dhejiyaan sifooyinkeeda, sida hanuuninta iyo booska, soo saarida vectorskooda. Shabakadda Kaabsoosha ayaa sidaas darteed maareyn kara isdhexgalka goobta iyo isbedbeddelka aragtida si ka wanaagsan CNN-yada.
Maxaynu uga dooranaa Shabakadda Kaabsoosha ee CNN?
Shabakadda Kaabsoosha ayaa faa'iido leh sababtoo ah waxay ka gudbaan dhibaatooyinka CNN ee qabashada xiriirka kala sareynta ee u dhexeeya walxaha sawirka. CNN-yadu waxay aqoonsan karaan waxyaabo cabbirkoodu kala duwan yahay, laakiin waxay ku dhibtoonayaan inay fahmaan sida walxahani isugu xidhmaan.
Shabakadaha Capsule, dhanka kale, waxay baran karaan inay aqoonsadaan walxaha iyo qaybahooda, iyo sidoo kale sida loogu dhejiyo meel bannaan oo muuqaal ah, taasoo ka dhigaysa inay u tartamaan codsiyada aragga kumbuyuutarka.
Meelaha Codsiyada
Shabakadda Kaabsoosha ayaa horay u soo bandhigay natiijooyin rajo leh codsiyo kala duwan, oo ay ku jiraan kala soocidda sawirka, aqoonsiga shayga, iyo qaybinta sawirka.
Waxaa loo adeegsaday in lagu kala saaro waxyaabaha ku jira sawirrada caafimaadka, lagu aqoonsado dadka filimada, iyo xitaa in la sameeyo moodooyinka 3D ee sawirada 2D.
Si loo kordhiyo wax qabadkooda, Kaabsoosha Shabakadda waxaa lagu daray qaab-dhismeedka waxbarasho qoto dheer sida Generative Adversarial Networks (GANs) iyo Variational Autoencoders (VAEs). Shabakadda Kaabsoosha ayaa la saadaalinayaa inay door muhiim ah ka ciyaari doonto kobcinta tignoolajiyada aragga kombuyuutarka maadaama cilmiga barashada qoto dheer uu horumarayo.
Tusaale ahaan; Nibabel waa qalab Python si fiican loo yaqaan oo loogu talagalay akhrinta iyo qorista noocyada faylalka neuroimaging. Qaybinta sawirka, waxay shaqaalaysaa Shabakadda Kaabsoosha.
8. moodooyinka ku salaysan feejignaanta
Moodooyinka waxbarashada qoto dheer ee loo yaqaan moodooyinka ku salaysan feejignaanta, oo sidoo kale loo yaqaan hababka feejignaanta, waxay ku dadaalaan inay kordhiyaan saxnaanta moodooyinka barashada mashiinka. Moodooyinkani waxay ku shaqeeyaan iyagoo xoogga saaraya sifooyinka qaarkood ee xogta soo socota, taasoo keentay habayn hufan oo waxtar leh.
Hawlaha habaynta luqadda dabiiciga ah sida tarjumaadda mashiinka iyo falanqaynta dareenka, hababka fiiro gaar ah ayaa muujiyay inay si guul leh u gaareen.
Waa maxay Muhiimadoodu?
Moodooyinka ku-saleysan feejignaanta ayaa faa'iido leh sababtoo ah waxay awood u siinayaan si wax ku ool ah oo hufan xogta adag.
Shabakadaha neerfaha ee dhaqameed u qiimee dhammaan xogta wax gelinta inay si isku mid ah muhiim u yihiin, taasoo keentay habayn gaabin iyo saxnaanta oo yaraatay. Hababka u fiirsigu waxa ay xoogga saaraan dhinacyada muhiimka ah ee xogta gelinta, taas oo u oggolaanaysa saadaal degdeg ah oo sax ah.
Goobaha Isticmaalka
Dhinaca sirdoonka macmal ah, hababka fiiro gaar ah ayaa leh codsiyo kala duwan oo ballaaran, oo ay ku jiraan habaynta luqadda dabiiciga ah, aqoonsiga sawirka iyo maqalka, iyo xitaa baabuurta aan darawalka lahayn.
Hababka u fiirsashada, tusaale ahaan, waxaa loo isticmaali karaa in lagu wanaajiyo tarjumaadda mashiinka ee habaynta luqadda dabiiciga ah iyadoo u oggolaanaysa nidaamku inuu diiradda saaro erayada ama odhaahyada qaarkood ee muhiimka u ah macnaha guud.
Hababka u fiirsashada ee baabuurta iskood u madax bannaan ayaa la adeegsan karaa si ay uga caawiyaan nidaamka diiradda saaraya waxyaabaha qaarkood ama caqabadaha hareerihiisa.
9. Shabakadaha Transformer
Shabakadaha Transformer waa noocyo barasho qoto dheer oo baara soona saara xogta xogta. Waxay ku shaqeeyaan iyaga oo habaynaya isku xigxiga soo galitaanka hal shay markiiba waxayna soo saarayaan isku xigxiga wax soo saarka oo isku mid ah ama ka duwan dherer.
Shabakadaha Transformer, oo ka duwan moodooyinka isku xigxiga ee caadiga ah, ma farsameeyaan taxanaha iyagoo isticmaalaya shabakadaha neerfaha ee soo noqnoqda (RNNs). Taa beddelkeeda, waxay adeegsadaan hababka is-fiirsiga si ay u bartaan xidhiidhka ka dhexeeya qaybaha taxanaha.
Waa maxay Muhiimadda Shabakadda Transformer?
Shabakadaha Transformer-ka ayaa caan noqday sannadihii u dambeeyay taas oo ka dhalatay waxqabadkooda wanaagsan ee shaqooyinka habaynta luqadda dabiiciga ah.
Waxay si gaar ah ugu habboon yihiin hawlaha qoraalka-abuurka sida tarjumaadda luqadda, soo koobidda qoraalka, iyo soo saarista wada sheekaysiga.
Shabakadaha Transformer ayaa si aad ah uga waxtar badan xisaabinta marka loo eego moodooyinka ku saleysan RNN, taasoo ka dhigaysa doorashada la doorbido codsiyada baaxadda leh.
Halkee Ka Heli Kartaa Shabakadaha Transformer?
Shabakadaha Transformer-ka ayaa si ballaaran loogu shaqeeyaa codsiyo kala duwan, gaar ahaan habaynta luqadda dabiiciga ah.
Taxanaha GPT (Generative Pre-tababaran Transformer) waa nooc caan ah oo ku salaysan beddelka oo loo adeegsaday hawlo ay ka mid yihiin tarjumaada luqadda, soo koobida qoraalka, iyo jiilka chatbot.
BERT (Wakiilada Encoder-ka laba jiho ee ka yimid Transformers) waa nooc kale oo ku salaysan beddelkayaal caadi ah oo loo adeegsaday codsiyada fahamka luqadda dabiiciga ah sida ka jawaabista su'aalaha iyo falanqaynta dareenka.
Labada GPT iyo BERT ayaa la abuuray PyTorch, qaab-dhismeedka il-furan ee barasho qoto dheer kaas oo caan ku ahaa samaynta moodooyinka ku salaysan beddelka.
10. Mashiinada Boltzmann ee xaddidan (RBMs)
Mashiinnada Boltzmann ee xaddidan (RBMs) waa nooc ka mid ah shabakada neerfaha ee aan la kormeerin oo wax ku barata hab wax-soo-saar leh. Sababtoo ah awoodda ay u leeyihiin inay wax ku bartaan oo ay ka soo saaraan sifooyinka muhiimka ah ee xogta cabbirka sare leh, waxa si weyn looga shaqeeyay dhinacyada barashada mashiinka iyo barashada qoto dheer.
RBM-yadu waxay ka kooban yihiin laba lakab, muuqda iyo kuwo qarsoon, iyada oo lakab kastaa ka kooban yahay koox neuron ah oo ku xiran cidhifyo miisaan leh. RBM-yada waxaa loogu talagalay inay bartaan qaybinta itimaalka oo qeexaysa xogta wax gelinta.
Waa maxay Mashiinnada Boltzmann ee xaddidan?
RBM-yadu waxay adeegsadaan istaraatiijiyad waxbarasho oo wax-soo-saar leh. RBM-yada, lakabka muuqda waxa uu ka tarjumayaa xogta wax gelinta, halka lakabka la aasay uu qeexayo sifooyinka xogta gelinta. Miisaanka lakabyada muuqda iyo kuwa qarsoon waxay muujinayaan xoogga xiriirkooda.
RBM-yadu waxay hagaajiyaan miisaanka iyo eexda u dhaxaysa lakabyada inta lagu jiro tababarka iyaga oo isticmaalaya farsamo loo yaqaan kala duwanaansho ka duwan. Kala duwanaanshuhu waa istaraatiijiyad waxbarasho oo aan la ilaalin oo kor u qaadaysa suurtagalnimada saadaasha moodeelka.
Waa maxay muhiimada Mashiinnada Boltzmann ee xaddidan?
RBM-yada ayaa muhiim u ah barashada mashiinka iyo barasho qoto dheer sababtoo ah waxay baran karaan oo ay ka soo saari karaan sifooyin khuseeya tiro badan oo xog ah.
Aad bay waxtar ugu leeyihiin aqoonsiga sawirka iyo hadalka, waxaana lagu shaqaaleysiiyay codsiyo kala duwan sida nidaamyada la talinta, ogaanshaha cilladda, iyo dhimista cabbirka. RBM-yadu waxay ka heli karaan habab ku jira xog-ururin, taasoo keentay saadaal iyo aragtiyo sare.
Halkee laga yaabaa in lagu isticmaalo Mashiinnada Boltzmann ee xaddidan?
Codsiyada RBM-yada waxaa ka mid ah dhimista cabbirka, ogaanshaha cilladda, iyo nidaamyada talada. RBM-yadu waxay si gaar ah u caawiyaan falanqaynta dareenka iyo mawduuca qaabaynta marka la eego hab-dhaqanka luuqadda dabiiciga ah.
Shabakadaha rumaysadka qoto dheer, nooc ka mid ah shabakada neerfaha ee loo isticmaalo aqoonsiga codka iyo sawirka, sidoo kale waxay shaqaaleeyaan RBMs. Qalabka Shabakadda Aaminadda Deep, TensorFlow, Iyo Theano waa tusaaleyaal gaar ah oo software ama tignoolajiyada adeegsada RBM-yada.
Duub
Moodooyinka Barashada Qoto dheer ayaa aad iyo aad uga sii muhimsanaysa warshado kala duwan, oo ay ku jiraan aqoonsiga hadalka, habaynta luqadda dabiiciga ah, iyo aragga kombiyuutarka.
Isku xirka Neural Networks (CNNs) iyo shabakadaha neerfayaasha soo noqnoqda (RNNs) ayaa muujiyay ballanqaadkii ugu badnaa waxaana si weyn looga faa'ideystay codsiyo badan, si kastaba ha ahaatee, dhammaan moodooyinka Barashada Deep waxay leeyihiin faa'iidooyin iyo faa'iido darrooyinkooda.
Si kastaba ha ahaatee, cilmi-baarayaashu waxay wali eegayaan Mashiinnada Boltzmann ee xaddidan (RBMs) iyo noocyada kale ee moodooyinka Waxbarashada Qoto dheer sababtoo ah iyaguna waxay leeyihiin faa'iidooyin gaar ah.
Hababka cusub iyo kuwa hal abuurka leh ayaa la filayaa in la abuuro iyadoo aagga waxbarashada qoto dheer ay sii socoto horumarinta si loo xalliyo dhibaatooyinka adag
Leave a Reply