Tafole ea likateng[Pata][Bontša]
Bokamoso bo teng. 'Me, nakong e tlang mechine e utloisisa lefatše le ba potolohileng ka tsela e tšoanang le eo batho ba e utloisisang ka eona. Lik'homphieutha li khona ho khanna likoloi, li hlahloba mafu le ho bolela bokamoso esale pele ka nepo.
Sena se ka 'na sa bonahala eka ke tšōmo ea saense, empa mehlala e tebileng ea ho ithuta e etsa hore e be ntho ea sebele.
Li-algorithms tsena tse rarahaneng li senola liphiri tsa bohlale ba maiketsetso, ho lumella lik'homphieutha ho ithuta le ho ntlafatsa. Ka poso ena, re tla kenella ka har'a maemo a mefuta e tebileng ea ho ithuta.
Mme, re tla batlisisa bokgoni bo boholo boo ba nang le bona ba ho fetola maphelo a rona. Itokisetse ho ithuta ka theknoloji e tsoetseng pele e fetolang bokamoso ba batho.
Hantle-ntle Mehlala ea ho Ithuta e Tebileng ke Efe?
Na u kile ua bapala papali eo ho eona u tlamehang ho tseba phapang lipakeng tsa litšoantšo tse peli?
Ho monate leha ho le joalo, ho ka ba thata, na? Ak'u inahanele u khona ho ruta k'homphieutha ho bapala papali eo le ho hlōla nako le nako. Mehlala ea ho ithuta e tebileng e finyella seo!
Mehlala ea ho ithuta e tebileng e tšoana le mechini e bohlale haholo e ka hlahlobang palo e kholo ea litšoantšo le ho fumana hore na li tšoana ka eng. Ba finyella sena ka ho qhaqha litšoantšo le ho ithuta se seng le se seng ka bomong.
Joale ba sebelisa seo ba ithutileng sona ho khetholla mekhoa le ho bolela esale pele ka litšoantšo tse ncha tseo ba e-s'o ka ba li bona.
Mehlala ea ho ithuta e tebileng ke marang-rang a maiketsetso a neural a ka ithutang le ho ntša lipaterone le litšoaneleho tse rarahaneng ho tsoa ho li-database tse kholo. Mefuta ena e entsoe ka likarolo tse 'maloa tsa li-node tse hokahantsoeng, kapa li-neurone, tse sekasekang le ho fetola data e kenang ho hlahisa tlhahiso.
Mehlala ea ho ithuta e tebileng e loketse haholo mesebetsi e hlokang ho nepahala le ho nepahala ho hoholo, joalo ka ho tsebahatsa litšoantšo, temoho ea puo, ts'ebetso ea puo ea tlhaho, le liroboto.
Li 'nile tsa sebelisoa nthong e' ngoe le e 'ngoe ho tloha ho likoloi tse itsamaisang ho ea ho tlhahlobo ea bongaka, litsamaiso tsa khothaletso, le li-analytics tsa ponelopele.
Mona ke mofuta o nolofalitsoeng oa pono ho bontša phallo ea data ka mokhoa o tebileng oa ho ithuta.
Lintlha tse kentsoeng li kenella ka har'a karolo ea tlhahiso ea mohlala, ebe e fetisa data ka mekhahlelo e mengata e patiloeng pele e fana ka polelo ea sephetho.
Lera le leng le le leng le patiloeng le etsa letoto la ts'ebetso ea lipalo ho data e kentsoeng pele e e fetisetsa mothating o latelang, o fanang ka polelo ea ho qetela.
Joale, a re boneng hore na ke mehlala efe e tebileng ea ho ithuta le hore na re ka e sebelisa joang bophelong ba rona.
1. Convolutional Neural Networks (CNNs)
Li-CNN ke mohlala o tebileng oa ho ithuta o fetotseng sebaka sa pono ea khomphutha. Li-CNN li sebelisetsoa ho hlophisa litšoantšo, ho lemoha lintho, le likarolo tsa litšoantšo. Sebopeho le ts'ebetso ea cortex ea pono ea motho e tsebisitse moralo oa li-CNN.
Ba Sebetsa Joang?
CNN e entsoe ka likarolo tse ngata tsa convolutional, lihlopha tse kopanyang, le lihlopha tse hokahaneng ka botlalo. Kenyelletso ke setšoantšo, 'me tlhahiso ke ponelopele ea leibole ea sehlopha sa setšoantšo.
CNN's convolutional layers a haha 'mapa oa likarolo ka ho etsa sehlahisoa se nang le marotholi pakeng tsa setšoantšo le lihlopha tsa lihloela. Likarolo tsa ho kopanya li theola boholo ba 'mapa oa likarolo ka ho o theola.
Qetellong, 'mapa oa likarolo o sebelisoa ke likarolo tse hokahaneng ka botlalo ho bolela esale pele hore na setšoantšo sa sehlopha se hokae.
Hobaneng ha li-CNN li le Bohlokoa?
Li-CNN li bohlokoa hobane li ka ithuta ho lemoha mekhoa le litšobotsi litšoantšong tseo batho ba thatafalloang ho li lemoha. Li-CNN li ka rutoa ho lemoha litšobotsi tse kang mathōko, likhutlo, le libopeho ho sebelisa lisebelisoa tse kholo tsa data. Kamora ho ithuta thepa ena, CNN e ka e sebelisa ho tseba lintho tse lifotong tse ncha. Li-CNN li bonts'itse ts'ebetso e tsoetseng pele lits'ebetsong tse fapaneng tsa boitsebahatso ba litšoantšo.
Re Sebelisa Li-CNN Hokae
Tlhokomelo ea bophelo bo botle, indasteri ea likoloi, le mabenkele ke likarolo tse 'maloa tse sebelisang li-CNN. Lefapheng la tlhokomelo ea bophelo bo botle, li ka ba molemo bakeng sa tlhahlobo ea bokuli, nts'etsopele ea meriana, le tlhahlobo ea litšoantšo tsa bongaka.
Lefapheng la likoloi, ba thusa ho lemoha tsela, ho lemoha ntho, le ho khanna ka boithatelo. Li boetse li sebelisoa haholo mabenkeleng bakeng sa patlo ea pono, likhothaletso tsa sehlahisoa se thehiloeng ho setšoantšo, le taolo ea thepa.
Ka mohlala; Google e sebelisa li-CNN lits'ebetsong tse fapaneng, ho kenyeletsoa Google Lense, sesebelisoa sa ho tsebahatsa setšoantšo se ratoang haholo. Lenaneo le sebelisa li-CNN ho lekola linepe le ho fa basebelisi tlhaiso-leseling.
Ka mohlala, Lense ea Google e ka lemoha lintho tse setšoantšong 'me ea fana ka lintlha tse mabapi le tsona, joalo ka mofuta oa palesa.
E ka boela ea fetolela mongolo o ntšitsoeng setšoantšong ho ea lipuong tse ngata. Lense ea Google e khona ho fa bareki lintlha tsa bohlokoa ka lebaka la thuso ea CNN ho khetholla lintho ka nepo le ho ntša litšobotsi lifotong.
2. Marang-rang a Memori ea Nako e Khutšoane (LSTM).
Lik'homphieutha tsa nako e telele tsa Memory (LSTM) li bōpiloe ho sebetsana le mefokolo ea marang-rang a tloaelehileng a tloaelehileng a neural (RNNs). Marang-rang a LSTM a loketse mesebetsi e hlokang ho sebetsoa ha tatellano ea data ho pholletsa le nako.
Li sebetsa ka ho sebelisa sele e itseng ea memori le mekhoa e meraro ea ho kena.
Ba laola ho phalla ha tlhahisoleseding ho kena le ho tsoa ka sele. Heke e kenang, heke ea lebala le heke ea tlhahiso ke liheke tse tharo.
Heke ea ho kenya e laola ho phalla ha data ka har'a sele ea memori, heke ea lebala e laola ho tlosoa ha data ho tloha seleng, 'me monyako oa tlhahiso o laola ho phalla ha data ho tsoa ka seleng.
Bohlokoa ba tsona ke Bofe?
Marang-rang a LSTM a bohlokoa hobane a khona ho emela le ho bolela esale pele tatellano ea data ka likamano tsa nako e telele. Ba ka rekota le ho boloka tlhahisoleseling mabapi le lintho tse kentsoeng pele, ho ba lumella ho etsa likhakanyo tse nepahetseng haholoanyane mabapi le likenyelletso tsa nako e tlang.
Kamohelo ea puo, temoho ea mongolo, puo ea tlhaho, le tlhaloso ea litšoantšo ke tse ling tsa lits'ebetso tse sebelisitseng marang-rang a LSTM.
Re Sebelisa Marang-rang a LSTM Hokae?
Lisebelisoa tse ngata tsa software le thekenoloji li sebelisa marang-rang a LSTM, ho kenyeletsoa litsamaiso tsa temoho ea puo, lisebelisoa tsa ho sebetsana le lipuo tsa tlhaho joalo ka maikutlo a maikutlo, mekhoa ea ho fetolela ka mochine, le mekhoa ea ho hlahisa mongolo le litšoantšo.
Li sebelisitsoe hape ho theheng likoloi tse itsamaisang le liroboto, hammoho le indastering ea lichelete ho bona bosholu le ho lebella. 'maraka oa Stock metsamao.
3. Maqhubu a Hlahisang Adversarial (GANs)
Li-GAN ke tse thuto e tebileng mokhoa o sebelisoang ho hlahisa lisampole tse ncha tsa data tse ts'oanang le dataset e fanoeng. Li-GAN li entsoe ka tse peli marang-rang a neural: e ithutang ho hlahisa lisampole tse ncha le e ithutang ho khetholla pakeng tsa lisampole tsa 'nete le tse hlahisitsoeng.
Ka mokhoa o ts'oanang, marang-rang ana a mabeli a koetlisoa hammoho ho fihlela jenereithara e ka hlahisa lisampole tse ke keng tsa khetholloa ho tsa sebele.
Hobaneng re Sebelisa li-GAN?
Li-GAN li bohlokoa ka lebaka la bokhoni ba tsona ba ho hlahisa boleng bo holimo data ya maiketsetso e ka sebelisoang lits'ebetsong tse fapaneng, ho kenyelletsa tlhahiso ea litšoantšo le livideo, tlhahiso ea mongolo, esita le tlhahiso ea mmino.
Li-GAN le tsona li sebelisitsoe bakeng sa ho eketsa lintlha, e leng tlhahiso ea data ya maiketsetso ho tlatselletsa data ea lefatše la 'nete le ho ntlafatsa ts'ebetso ea mefuta ea ho ithuta ka mochini.
Ho feta moo, ka ho theha data ea maiketsetso e ka sebelisoang ho koetlisa mehlala le ho etsisa liteko, li-GAN li na le monyetla oa ho fetola mafapha a kang a meriana le nts'etsopele ea lithethefatsi.
Lisebelisoa tsa li-GAN
Li-GAN li ka tlatselletsa li-datasets, tsa etsa linepe kapa lifilimi tse ncha, esita le ho hlahisa lintlha tsa maiketsetso bakeng sa lipapiso tsa mahlale. Ho feta moo, li-GAN li na le monyetla oa ho sebelisoa lits'ebetsong tse fapaneng ho tloha boithabisong ho isa ho tsa bongaka.
lilemo le livideo. Mohlala oa NVIDIA's StyleGAN2, e sebelisitsoe ho etsa linepe tsa boleng bo holimo tsa batho ba tummeng le mesebetsi ea bonono.
4. Deep Belief Networks (DBNs)
Deep Belief Networks (DBNs) ke bohlale ba maiketsetso litsamaiso tse ka ithutang ho bona lipaterone ho data. Ba finyella sena ka ho arola lintlha ka likaroloana tse nyenyane le tse nyenyane, ba li utloisisa ka botlalo boemong bo bong le bo bong.
Li-DBN li ka ithuta ho tsoa ho data ntle le ho tsebisoa hore na ke eng (sena se bitsoa "thuto e sa laoleheng"). Sena se etsa hore e be tsa bohlokoa haholo bakeng sa ho bona mekhoa ea data eo motho a ka fumanang ho le thata kapa ho ke ke ha khoneha ho e lemoha.
Ke Eng e Etsang Hore DBN e be ea Bohlokoa?
Li-DBN li bohlokoa ka lebaka la bokhoni ba tsona ba ho ithuta boemeli ba data ba maemo a holimo. Litlhahiso tsena li ka sebelisoa bakeng sa lits'ebetso tse fapaneng tse kang ho hlopha, ho lemoha ka mokhoa o sa tloaelehang, le ho fokotsa boholo.
Bokhoni ba li-DBN tsa ho etsa koetliso ea pele e sa laoloe, e ka eketsang ts'ebetso ea mekhoa e tebileng ea ho ithuta e nang le lintlha tse fokolang tse ngotsoeng, ke molemo o moholo.
Likopo tsa DBN ke life?
E 'ngoe ea lisebelisoa tsa bohlokoa ka ho fetisisa ke ho lemoha ntho, moo li-DBN li sebelisetsoang ho lemoha mefuta e itseng ea lintho tse kang lifofane, linonyana le batho. Li boetse li sebelisetsoa ho hlahisa le ho hlophisa litšoantšo, ho lemoha motsamao lifiliming, le kutloisiso ea puo ea tlhaho bakeng sa ho sebetsana le lentsoe.
Ho feta moo, li-DBN li sebelisoa hangata ho li-datasets ho lekola maemo a batho. Li-DBN ke sesebelisoa se setle bakeng sa liindasteri tse fapaneng, ho kenyeletsoa tlhokomelo ea bophelo bo botle le libanka, le theknoloji.
5. Deep Reinforcement Learning Networks (DRLs)
Deep Ho Matlafatsa Ho ithuta Marang-rang (DRLs) a kopanya marang-rang a tebileng a methapo ea kutlo le mekhoa ea ho matlafatsa thuto ho lumella liakhente ho ithuta tikolohong e rarahaneng ka liteko le liphoso.
Li-DRL li sebelisoa ho ruta baemeli mokhoa oa ho ntlafatsa lets'oao la moputso ka ho sebelisana le tikoloho ea bona le ho ithuta liphosong tsa bona.
Ke Eng e Etsang Hore e be Tse Hlollang?
Li sebelisitsoe ka katleho lits'ebetsong tse fapaneng, ho kenyeletsoa lipapali, liroboto, le ho khanna ka boithaopo. Li-DRL li bohlokoa hobane li ka ithuta ka kotloloho ho tsoa ho maikutlo a tala, ho lumella baemeli ho etsa liqeto ho latela litšebelisano tsa bona le tikoloho.
Lisebelisoa tsa Bohlokoa
Li-DRL li sebelisoa maemong a sebele a lefats'e hobane li khona ho sebetsana le mathata a boima.
Li-DRL li kenyelelitsoe ho li-software tse 'maloa tse hlahelletseng le tsa theknoloji, ho kenyeletsoa le OpenAI's Gym, Unity's ML-Agents, le DeepMind Lab ea Google. AlphaGo, e hahiloeng ke Google Deepmind, mohlala, e sebelisa DRL ho bapala papali ea boto E-ea boemong ba 'mampoli oa lefatše.
Tšebeliso e 'ngoe ea DRL ke ea liroboto, moo e sebelisetsoang ho laola metsamao ea matsoho a robotiki ho etsa mesebetsi e kang ho tšoara lintho kapa li-blocks. Li-DRL li na le ts'ebeliso e mengata 'me ke sesebelisoa sa bohlokoa bakeng sa mahlahana a koetliso ho ithuta le ho etsa liqeto maemong a thata.
6. Li-autoencoders
Autoencoders ke mofuta o khahlisang oa neural network seo se hapile thahasello ea barutehi le bo-ramahlale ba data. Li etselitsoe ho ithuta ho hatella le ho khutlisa data.
Lintlha tse kentsoeng li feptjoa ka tatellano ea likarolo tse theolang butle-butle boholo ba data ho fihlela e hatelloa ka har'a lera la botlolo le nang le li-node tse fokolang ho feta likarolo tsa ho kenya le ho tsoa.
Kemelo ena e hatelletsoeng e sebelisoa ho etsa hape data ea mantlha e kentsoeng ka tatellano ea likarolo tse phahamisang boemo ba data butle-butle sebopehong sa eona sa pele.
Ke Hobane'ng ha e le Bohlokoa?
Li-Autoencoders ke karolo ea bohlokoa ea thuto e tebileng hobane ba etsa hore ho ntšoa ha likarolo le ho fokotsa data ho khonehe.
Ba khona ho tseba lintlha tsa bohlokoa tsa data e kenang le ho li fetolela ho foromo e hatelitsoeng e ka sebelisoang mesebetsing e meng joalo ka ho hlophisa, ho hlopha, kapa ho theha data e ncha.
Re Sebelisa Li-Autoencoders Hokae?
Ho lemoha ka mokhoa o sa tloaelehang, ho sebetsa ka puo ea tlhaho, le pono ea k'homphieutha ke tse 'maloa feela tsa lithuto tseo li-autoencoder li sebelisoang ho tsona. Mohlala, li-autoencoder, li ka sebelisoa bakeng sa ho hatella litšoantšo, ho hlahisa litšoantšo, le ho kopanya litšoantšo ponong ea komporo.
Re ka sebelisa Li-Autoencoder mesebetsing e kang ho theha mongolo, ho arola mongolo, le kakaretso ea mongolo ts'ebetsong ea puo ea tlhaho. E ka tsebahatsa ts'ebetso e makatsang ho data e khelohang ho tloaelo ho boitsebahatso bo sa tloaelehang.
7. Capsule Networks
Capsule Networks ke moralo o mocha oa ho ithuta o tebileng o ntlafalitsoeng e le sebaka sa Convolutional Neural Networks (CNNs).
Li-Capsule Networks li thehiloe khopolong ea ho arola likarolo tsa boko tse bitsoang li-capsules tse ikarabellang bakeng sa ho lemoha boteng ba ntho e itseng setšoantšong le ho kenya litšoaneleho tsa eona, tse kang mokhoa le boemo, ho li-vector tsa tsona. Ka hona, Capsule Networks e ka laola litšebelisano tsa sebaka le ho feto-fetoha ha maikutlo ho molemo ho feta CNNs.
Hobaneng re khetha li-Capsule Networks ho feta tsa CNN?
Capsule Networks e na le thuso hobane e hlola mathata a CNN a ho hapa likamano tsa maemo a phahameng lipakeng tsa lintho tse setšoantšong. Li-CNN li ka lemoha lintho tsa boholo bo fapaneng empa li thatafalloa ho utloisisa hore na lintho tsena li hokahana joang.
Ka lehlakoreng le leng, Capsule Networks e ka ithuta ho lemoha lintho le likotoana tsa tsona, hammoho le hore na li behiloe joang sebakeng sa setšoantšo, e leng se etsang hore e be mohanyetsi ea sebetsang bakeng sa likopo tsa pono ea k'homphieutha.
Libaka tsa Likopo
Li-Capsule Networks li se li bontšitse liphello tse ts'episang lits'ebetsong tse fapaneng, ho kenyelletsa le ho arola litšoantšo, ho khetholla ntho, le ho arola litšoantšo.
Li 'nile tsa sebelisoa ho khetholla lintho tse litšoantšong tsa bongaka, ho lemoha batho ba lifiliming, esita le ho etsa mefuta ea 3D ho tsoa litšoantšong tsa 2D.
Ho eketsa ts'ebetso ea bona, Capsule Networks e kopantsoe le meralo e meng e tebileng ea ho ithuta e kang Generative Adversarial Networks (GANs) le Variational Autoencoders (VAEs). Li-Capsule Networks li boleloa esale pele hore li tla bapala karolo ea bohlokoa haholo ho ntlafatsa mahlale a pono ea khomphutha ha mahlale a thuto e tebileng a ntse a fetoha.
Ka mohlala; Nibabele ke sesebelisoa se tsebahalang sa Python sa ho bala le ho ngola mefuta ea lifaele tsa neuroimaging. Bakeng sa karohano ea litšoantšo, e sebelisa Capsule Networks.
8. Mehlala e thehiloeng tlhokomelong
Mehlala ea ho ithuta e tebileng e tsejoang ka hore ke mehlala e thehiloeng tlhokomelong, e tsejoang hape e le mekhoa ea ho ela hloko, e leka ka matla ho eketsa ho nepahala ha mehlala ea ho ithuta mochini. Mefuta ena e sebetsa ka ho tsepamisa maikutlo holim'a likarolo tse itseng tsa data e kenang, e hlahisang ts'ebetso e sebetsang hantle le e sebetsang.
Mesebetsing ea ts'ebetso ea puo ea tlhaho joalo ka phetolelo ea mochini le tlhahlobo ea maikutlo, mekhoa ea tlhokomelo e bonts'itse e atlehile haholo.
Bohlokoa ba Tsona ke Eng?
Mefuta e thehiloeng tlhokomelong e molemo hobane e thusa ho sebetsana ka katleho le ho sebetsa hantle ha data e rarahaneng.
Mekhoa ea setso ea methapo ea kutlo lekola lintlha tsohle tse kentsoeng e le tsa bohlokoa ka ho lekana, ho fella ka ts'ebetso e liehang le ho fokotsa ho nepahala. Mekhoa ea ho ela hloko e shebana le likarolo tsa bohlokoa tsa data e kentsoeng, e lumellang likhakanyo tse potlakileng le tse nepahetseng haholoanyane.
Libaka tsa Tšebeliso
Lefapheng la bohlale ba maiketsetso, mekhoa ea ho ela hloko e na le mefuta e mengata ea lits'ebetso, ho kenyeletsoa ts'ebetso ea puo ea tlhaho, temoho ea litšoantšo le molumo, esita le likoloi tse se nang mokhanni.
Ka mohlala, mekhoa ea ho ela hloko, e ka sebelisoa ho ntlafatsa phetolelo ea mochine ka mokhoa oa ho sebetsa puong ea tlhaho ka ho lumella tsamaiso ho tsepamisa maikutlo mantsoeng a itseng kapa lipoleloana tse bohlokoa moelelong.
Mekhoa ea ho ela hloko likoloi tse ikemetseng e ka sebelisoa ho thusa sistimi ho tsepamisa maikutlo linthong tse itseng kapa liphephetso tse tikolohong ea eona.
9. Transformer Networks
Marang-rang a Transformer ke mehlala e tebileng ea ho ithuta e hlahlobang le ho hlahisa tatellano ea data. Li sebetsa ka ho sebetsana le tatellano ea ho kenya ntho e le 'ngoe ka nako le ho hlahisa tatellano ea tlhahiso ea bolelele bo tšoanang kapa bo fapaneng.
Marang-rang a li-transformer, ho fapana le mefuta e tloaelehileng ea tatellano ea tatellano, ha e sebetse ho sebelisa marang-rang a tloaelehileng a neural (RNNs). Ho e-na le hoo, ba sebelisa mekhoa ea ho itlhokomela ho ithuta likamano pakeng tsa likarolo tsa tatellano.
Bohlokoa ba Transformer Networks ke Bofe?
Marang-rang a li-transformer a se a tumme lilemong tsa morao tjena ka lebaka la ts'ebetso ea bona e ntlafetseng mesebetsing ea puo ea tlhaho.
Li loketse haholo mesebetsi ea ho theha mongolo joalo ka phetolelo ea puo, kakaretso ea mongolo le tlhahiso ea moqoqo.
Marang-rang a Transformer a sebetsa hantle haholo ha a bapisoa le mefuta e thehiloeng ho RNN, e leng se etsang hore e be khetho e ratoang bakeng sa lits'ebetso tse kholo.
U ka Fumana Li-network tsa Transformer Hokae?
Marang-rang a Transformer a sebelisoa haholo mefuteng e mengata ea lits'ebetso, haholo-holo ts'ebetso ea puo ea tlhaho.
Letoto la GPT (Generative Pre-trained Transformer) ke mofuta o hlahelletseng o thehiloeng ho li-transformer o sebelisitsoeng bakeng sa mesebetsi e kang phetolelo ea puo, kakaretso ea mongolo, le tlhahiso ea chatbot.
BERT (Bidirectional Encoder Representations ho tsoa ho Transformers) ke mofuta o mong o tloaelehileng o thehiloeng ho li-transformer o sebelisitsoeng bakeng sa lits'ebetso tsa kutloisiso ea puo ea tlhaho joalo ka karabo ea lipotso le tlhahlobo ea maikutlo.
ka bobeli GPT le BERT li entsoe ka PyTorch, moralo o bulehileng oa ho ithuta o tebileng o 'nileng oa ratoa bakeng sa ho hlahisa mefuta e thehiloeng ho li-transformer.
10. Mechini e Thibeletsoeng ea Boltzmann(RBMs)
Mechini e thibetsoeng ea Boltzmann (RBMs) ke mofuta oa marang-rang a sa laoleheng a neural a ithutang ka mokhoa oa ho ikatisa. Ka lebaka la bokhoni ba bona ba ho ithuta le ho ntša litšoaneleho tsa bohlokoa ho data ea maemo a holimo, ba sebelisitsoe haholo mafapheng a ho ithuta ka mochini le ho ithuta ka botebo.
Li-RBM li entsoe ka lihlopha tse peli, tse bonahalang le tse patehileng, 'me karolo e' ngoe le e 'ngoe e na le sehlopha sa li-neurone tse kopantsoeng ka mahlakore a boima. Li-RBM li etselitsoe ho ithuta kabo ea menyetla e hlalosang lintlha tse kentsoeng.
Mechini ea Boltzmann e thibetsoeng ke efe?
Li-RBM li sebelisa leano la boithuto le itlhahisang. Ho li-RBM, lera le bonahalang le bonts'a lintlha tse kentsoeng, ha karolo e patiloeng e kenyelletsa litšobotsi tsa data ea ho kenya. Boima ba lihlopha tse bonahalang le tse patehileng li bontša matla a khokahanyo ea tsona.
Li-RBM li lokisa boima le leeme lipakeng tsa mekhahlelo nakong ea koetliso li sebelisa mokhoa o tsejoang ka hore ke phapang e fapaneng. Phapang e fapaneng ke leano la ho ithuta le sa laoleheng le eketsang monyetla oa ho bolela esale pele oa mohlala.
Bohlokoa ba Mechini e Thibeloeng ea Boltzmann ke bofe?
Li-RBM li bohlokoa ho ho ithuta mochine le ho ithuta ka botebo hobane ba khona ho ithuta le ho ntša litšoaneleho tse nepahetseng ho tsoa ho data e ngata.
Li sebetsa hantle haholo bakeng sa temoho ea litšoantšo le puo, 'me li sebelisitsoe lits'ebetsong tse fapaneng joalo ka litsamaiso tsa likhothaletso, ho lemoha lintho tse sa hlakang, le ho fokotsa boholo. Li-RBM li ka fumana lipaterone ho li-dataset tse ngata, tse hlahisang likhakanyo tse phahameng le temohisiso.
Mechini ea Boltzmann e thibetsoeng e ka sebelisoa hokae?
Likopo tsa li-RBM li kenyelletsa phokotso ea boholo, ho lemoha ka mokhoa o sa tloaelehang, le litsamaiso tsa likhothaletso. Li-RBM li thusa ka ho khetheha bakeng sa tlhahlobo ea maikutlo le mohlala oa sehlooho maemong a tshebetso ya puo ya tlhaho.
Marang-rang a tumelo e tebileng, mofuta oa marang-rang a neural a sebelisetsoang ho lemoha lentsoe le litšoantšo, a boetse a sebelisa li-RBM. The Deep Belief Network Toolbox, TensorFlow, 'me Theano ke mehlala e itseng ea software kapa theknoloji e sebelisang li-RBM.
Phethela
Mehlala ea ho Ithuta ka botebo e ntse e ba ea bohlokoa haholo indastering e fapaneng, ho kenyeletsoa temoho ea puo, ts'ebetso ea puo ea tlhaho, le pono ea khomphutha.
Convolutional Neural Networks (CNNs) le Recurrent Neural Networks (RNNs) li bontšitse tšepiso e kholo ka ho fetisisa 'me li sebelisoa haholo lits'ebetsong tse ngata, leha ho le joalo, mefuta eohle ea ho Ithuta e Tebileng e na le melemo le melemo ea eona.
Leha ho le joalo, bafuputsi ba ntse ba sheba Mechini ea Boltzmann e Restricted (RBMs) le mefuta e meng ea mehlala ea ho Ithuta ka botebo hobane le bona ba na le melemo e khethehileng.
Mefuta e mecha le ea boqapi e lebelletsoe ho theoa ha sebaka sa thuto e tebileng se ntse se tsoela pele ho sebetsana le mathata a boima.
Leave a Reply