Tafole ea likateng[Pata][Bontša]
- 1. Hantle-ntle Thuto e Tebileng ke eng?
- 2. Ke eng e khethollang Thuto e Tebileng ho Thuto ea Mochini?
- 3. Likutloisiso tsa hau tsa morao-rao mabapi le marang-rang a neural ke afe?
- 4. Hantle-ntle perceptron ke eng?
- 5. Hantle-ntle marang-rang a tebileng a methapo ea kutlo ke eng?
- 6. Hantle-ntle Multilayer Perceptron (MLP) ke Eng?
- 7. Ke sepheo sefe seo mesebetsi ea ts'ebetso e e bapalang ho neural network?
- 8. Hantle-ntle Ho theoha ha Gradient ke Eng?
- 9. Hantle-ntle Litšenyehelo ke Mosebetsi Ofe?
- 10. Marang-rang a tebileng a ka hlola a sa tebang joang?
- 11. Hlalosa phatlalatso e tsoelang pele.
- 12. Backpropagation ke eng?
- 13. Boemong ba ho ithuta ho tebileng, u utloisisa joang ho khaola likhahla?
- 14. Mesebetsi ea Softmax le ReLU ke Efe?
- 15. Na mohlala oa neural network o ka koetlisoa ka litekanyo tsohle tse behiloeng ho 0?
- 16. Ke eng e khethollang nako ho sehlopha le ho pheta-pheta?
- 17. Batch Normalization le Dropout ke Eng?
- 18. Ke Eng e Arolang ho theoha ha Stochastic Gradient ho tloha ho Batch Gradient Descent?
- 19. Hobaneng ho le bohlokoa ho kenyelletsa li-non-linearities ho neural network?
- 20. Tenor ke eng thutong e tebileng?
- 21. U ka khetha ts'ebetso ea ts'ebetso joang bakeng sa mohlala o tebileng oa ho ithuta?
- 22. U bolela'ng ka CNN?
- 23. Likarolo tse ngata tsa CNN ke life?
- 24. Liphello tsa ho se sebelise ho feta tekano ke life, hona u ka li qoba joang?
- 25. Thutong e tebileng, RNN ke eng?
- 26. Hlalosa Adama Optimizer
- 27. Li-autoencoder tse tebileng: ke eng?
- 28. Tensor e Bolela'ng ho Tensorflow?
- 29. Tlhaloso ea kerafo ea computational
- 30. Marang-rang a bahanyetsi (GANs): ke eng?
- 31. U tla khetha joang palo ea li-neurone le lihlopha tse patehileng ho kenyelletsa marang-rang a methapo ha u ntse u rala mohaho?
- 32. Ke mefuta efe ea marang-rang a marang-rang a sebelisoang ke thuto e matla ea ho matlafatsa?
- fihlela qeto e
Ho ithuta ho tebileng ha se mohopolo o mocha. Marang-rang a maiketsetso a neural a sebetsa e le motheo feela oa setsi sa ho ithuta sa mochini se tsejoang e le thuto e tebileng.
Ho ithuta ho tebileng ke mohlala oa boko ba motho, joalo ka ha marang-rang a neural a le joalo, kaha a ne a bōpiloe ho etsisa boko ba motho.
Ho bile le sena nakwana. Matsatsing ana, motho e mong le e mong o bua ka eona kaha ha re na matla a mangata a ho sebetsa kapa data joalo ka ha re etsa hona joale.
Lilemong tse 20 tse fetileng, ho ithuta ho tebileng le ho ithuta ka mochini ho hlahile ka lebaka la keketseho e makatsang ea bokhoni ba ts'ebetso.
E le ho u thusa ho itokisetsa lipotso leha e le life tseo u ka tobanang le tsona ha u batla mosebetsi oa litoro, poso ena e tla u tataisa ho lipotso tse ngata tse tebileng tsa lipuisano tsa ho ithuta, ho tloha ho tse bonolo ho isa ho tse rarahaneng.
1. Hantle-ntle Thuto e Tebileng ke eng?
Haeba u ba teng a thuto e tebileng lipuisano, ntle le pelaelo u utloisisa hore na thuto e tebileng ke eng. Leha ho le joalo, motho ea botsang lipotso, o lebeletse hore u fane ka karabo e qaqileng hammoho le papiso ho arabela potso ena.
E le ho koetlisa marangrang a neural bakeng sa thuto e tebileng, palo e kholo ea lintlha tse hlophisitsoeng kapa tse sa hlophisoang li tlameha ho sebelisoa. Ho fumana mekhoa le litšobotsi tse patiloeng, e etsa mekhoa e rarahaneng (mohlala, ho khetholla setšoantšo sa katse ho ntja).
2. Ke eng e khethollang Thuto e Tebileng ho Thuto ea Mochini?
Joalo ka lekala la bohlale ba maiketsetso bo tsejoang ka hore ke ho ithuta ka mochini, re koetlisa likhomphutha ka ho sebelisa lintlha le lipalo le mekhoa ea algorithm e le hore li ntlafatse ha nako e ntse e ea.
E le karolo ea ho ithuta mochine, ho ithuta ho tebileng ho etsisa mohaho oa marang-rang oa neural o bonoang bokong ba motho.
3. Likutloisiso tsa hau tsa morao-rao mabapi le marang-rang a neural ke afe?
Litsamaiso tsa maiketsetso tse tsejoang e le marang-rang a neural li tšoana le marang-rang a organic neural a fumanehang 'meleng oa motho haufi haholo.
Ho sebelisa mokhoa o ts'oanang le mokhoa oa ho boko ba motho function, neural network ke pokello ea li-algorithms tse ikemiselitseng ho khetholla likhokahano tse teng karolong ea data.
Litsamaiso tsena li fumana tsebo e ikhethileng ea mosebetsi ka ho itlhahisa ho mefuta e mengata ea datha le mehlala, ho fapana le ho latela melao efe kapa efe e tobileng mosebetsi.
Sepheo ke hore ho e-na le ho ba le kutloisiso e reriloeng esale pele ea li-dataset tsena, tsamaiso e ithuta litšobotsi tse khethollang ho tloha boitsebisong boo e bo feptjoang.
Likarolo tse tharo tsa marang-rang tse sebelisoang haholo ho Neural Networks ke tse latelang:
- Lera la ho kenya
- Lera le patiloeng
- Sehlahisoa se hlahisoang
4. Hantle-ntle perceptron ke eng?
Neuron ea baeloji e fumanoang bokong ba motho e ka bapisoa le perceptron. Litlhahiso tse ngata li amoheloa ke perceptron, e ntan'o etsa liphetoho tse ngata le mesebetsi le ho hlahisa tlhahiso.
Moetso oa linear o bitsoang perceptron o sebelisoa ho sehlopha sa binary. E etsisa neuron e nang le lisebelisoa tse fapaneng, e 'ngoe le e' ngoe e na le boima bo fapaneng.
Neuron e lekanya tšebetso e sebelisa lintlha tsena tse boima ebe e hlahisa liphetho.
5. Hantle-ntle marang-rang a tebileng a methapo ea kutlo ke eng?
Neural network e tebileng ke marang-rang a maiketsetso (ANN) a nang le likarolo tse 'maloa pakeng tsa likarolo tsa ho kenya le ho tsoa (DNN).
Li-network tsa neural tse tebileng ke marang-rang a tebileng a meralo ea methapo. Lentsoe "botebo" le bolela mesebetsi e nang le mekhahlelo e mengata le likarolo tse ngata sebakeng se le seng. Mehlala e nepahetseng haholoanyane e ka etsoa ka ho eketsa likarolo tse kholoanyane ho hapa maemo a mangata a lipaterone.
6. Hantle-ntle Multilayer Perceptron (MLP) ke Eng?
Likarolo tse kentsoeng, tse patiloeng, le tse hlahisoang li teng ho MLPs, joalo ka marang-rang a neural. E hahiloe ka mokhoa o ts'oanang le perceptron ea lera le le leng le le leng kapa tse ling tse patehileng.
Phaello ea binary ea perceptron e le 'ngoe e ka arola lihlopha tse arohaneng (0,1), athe MLP e ka arola lihlopha tse sa tsitsang.
7. Ke sepheo sefe seo mesebetsi ea ts'ebetso e e bapalang ho neural network?
Ts'ebetso ea ts'ebetso e etsa qeto ea hore na neuron e lokela ho sebetsa maemong a mantlha kapa che. Ts'ebetso efe kapa efe ea ho kenya tšebetsong e ka amohela kakaretso e lekantsoeng ea lintho tse kentsoeng hammoho le tšekamelo e le ho kenya. Mesebetsi ea ts'ebetso e kenyelletsa ts'ebetso ea mohato, Sigmoid, ReLU, Tanh, le Softmax.
8. Hantle-ntle Ho theoha ha Gradient ke Eng?
Mokhoa o motle oa ho fokotsa ts'ebetso ea litšenyehelo kapa phoso ke ho theoha ha gradient. Sepheo sa ho fumana minima ea lehae-lefatšeng ke sepheo. Sena se totobatsa tsela eo mohlala o lokelang ho o latela ho fokotsa phoso.
9. Hantle-ntle Litšenyehelo ke Mosebetsi Ofe?
Mosebetsi oa litšenyehelo ke metric ho lekola hore na mohlala oa hau o sebetsa hantle hakae; ka linako tse ling e tsejoa e le "tahlehelo" kapa "phoso." Nakong ea tlhahiso ea morao-rao, e sebelisoa ho bala phoso ea sekhahla sa tlhahiso.
Re sebelisa ho se nepahale hoo ho ntšetsa pele mekhoa ea koetliso ea neural network ka ho e sutumelletsa morao ho netweke ea methapo.
10. Marang-rang a tebileng a ka hlola a sa tebang joang?
Likarolo tse patiloeng li eketsoa ho marang-rang a neural ho kenyelletsa le likarolo tse kenang le tse hlahisoang. Pakeng tsa likarolo tse kenang le tse hlahisoang, marang-rang a sa tebang a neural a sebelisa lera le le leng le patiloeng, athe marang-rang a tebileng a neural a sebelisa maemo a mangata.
Marang-rang a sa tebang a hloka li-parameter tse 'maloa e le hore a khone ho kena tšebetsong efe kapa efe. Marang-rang a tebileng a ka lumellana le mesebetsi hamolemo le ka palo e nyane ea li-parameter kaha li kenyelletsa likarolo tse 'maloa.
Marang-rang a tebileng a se a ratoa ka lebaka la ho sebetsa ka mefuta-futa ha ho sebetsa le mofuta ofe kapa ofe oa mohlala oa data, ebang ke oa ho bua kapa ho lemoha litšoantšo.
11. Hlalosa phatlalatso e tsoelang pele.
Lintho tse kenang li fetisetsoa hammoho le litekanyo ho lera le patiloeng ka mokhoa o tsejoang e le ho fetisa.
Sephetho sa ts'ebetso ea ts'ebetso se baloa karolong e 'ngoe le e' ngoe e patiloeng pele ts'ebetso e ka fetela mothating o latelang.
Ts'ebetso e qala ka lera la ho kenya 'me e hatela pele ho ea ho lera la ho qetela la tlhahiso, kahoo lebitso la pele la phatlalatso.
12. Backpropagation ke eng?
Ha litekanyo le litšekamelo li fetoloa marang-rang a methapo ea kutlo, ho khutlisetsoa morao ho sebelisoa ho fokotsa ts'ebetso ea litšenyehelo ka ho qala ka ho bona hore na boleng bo fetoha joang.
Ho utloisisa gradient karolong e 'ngoe le e' ngoe e patiloeng ho etsa hore ho bala phetoho ena ho be bonolo.
Ts'ebetso, e tsejoang e le "backpropagation", e qala ka lera la tlhahiso 'me e khutlela morao ho likarolo tse kenang.
13. Boemong ba ho ithuta ho tebileng, u utloisisa joang ho khaola likhahla?
Gradient Clipping ke mokhoa oa ho rarolla bothata ba ho phatloha ha li-gradients tse hlahang nakong ea morao-rao (boemo boo ho bona li-gradients tse sa nepahalang li bokellanang ka nako e telele, e leng se lebisang ho liphetoho tse kholo ho boima ba mekhoa ea neural network nakong ea koetliso).
Li-gradients tse phatlohang ke taba e hlahang ha li-gradients li le ngata haholo nakong ea koetliso, e leng se etsang hore mohlala o se ke oa tsitsa. Haeba gradient e tlotse sebaka se lebelletsoeng, boleng ba gradient bo sutumetsoa element-by-element ho boleng bo boletsoeng esale pele kapa boholo bo phahameng.
Ho khaola li-gradient ho matlafatsa botsitso ba lipalo tsa neural network nakong ea koetliso, empa ho na le tšusumetso e fokolang ts'ebetsong ea mohlala.
14. Mesebetsi ea Softmax le ReLU ke Efe?
Ts'ebetso ea ts'ebetso e bitsoang Softmax e hlahisa tlhahiso lipakeng tsa 0 le 1. Sehlahisoa se seng le se seng se arotsoe e le hore kakaretso ea lihlahisoa tsohle e be 'ngoe. Bakeng sa likarolo tse hlahisoang, Softmax e sebelisoa khafetsa.
Rectified Linear Unit, eo ka linako tse ling e tsejoang e le ReLU, ke ts'ebetso e sebelisoang haholo ea ts'ebetso. Haeba X e le ntle, e hlahisa X, ho seng joalo e hlahisa zero. ReLU e sebelisoa khafetsa ho likarolo tse patiloeng.
15. Na mohlala oa neural network o ka koetlisoa ka litekanyo tsohle tse behiloeng ho 0?
Neural network ha e na ho ithuta ho phethela mosebetsi o fanoeng, ka hona ha ho khonehe ho koetlisa mohlala ka ho qala litekanyo tsohle ho 0.
Li-derivatives li tla lula li tšoana bakeng sa boima bo bong le bo bong ho W [1] haeba boima bohle bo qalisoa ho ea ho zero, e leng se tla fella ka hore li-neurone li ithute likarolo tse tšoanang khafetsa.
Eseng feela ho qala litekanyo ho 0, empa ho mofuta ofe kapa ofe oa kamehla ho ka baka sephetho sa subpar.
16. Ke eng e khethollang nako ho sehlopha le ho pheta-pheta?
Mefuta e fapaneng ea ho sebetsana le li-database le mekhoa ea ho theola maemo e kenyelletsa batch, iteration le epoch. Epoch e kenyelletsa hang-hang ka marang-rang a neural a nang le dataset e felletseng, pele le morao.
E le ho fana ka liphetho tse tšepahalang, dataset hangata e fetisoa ka makhetlo a 'maloa kaha e kholo haholo hore e ka feta ka teko e le' ngoe.
Tloaelo ena ea ho pheta-pheta palo e nyane ea data ka marang-rang a marang-rang e bitsoa iteration. Ho netefatsa hore data e hlophiloeng e feta ka katleho marang-rang a methapo, e ka aroloa ka lihlopha tse 'maloa kapa li-subsets, tse tsejoang e le batching.
Ho ipapisitsoe le boholo ba pokello ea data, mekhoa eohle e meraro-epoch, iteration, le boholo ba batch-ke mekhoa ea ho sebelisa gradient descent algorithm.
17. Batch Normalization le Dropout ke Eng?
Dropout e thibela ho fetella ha data ka ho tlosa li-unit tsa marang-rang tse bonoang le tse patiloeng (hangata ho theola karolo ea 20 lekholong ea li-node). E eketsa palo ea phetisetso e hlokahalang ho etsa hore marang-rang a kopane.
Ka ho tloaeleha lintho tse kenang karolong e 'ngoe le e' ngoe ho ba le ts'ebetso e bolelang ea zero le ho kheloha ho tloaelehileng ho le leng, ho tloaeleha ha sehlopha ke leano la ho matlafatsa ts'ebetso le botsitso ba marang-rang a methapo ea kutlo.
18. Ke Eng e Arolang ho theoha ha Stochastic Gradient ho tloha ho Batch Gradient Descent?
Ho theoha ha Batch Gradient:
- Lethathamo le felletseng la data le sebelisoa ho theha gradient bakeng sa sehlopha sa gradient.
- Bongata bo bongata ba data le boima bo ntseng bo nchafatsoa butle bo etsa hore ho be thata ho kopana.
Ho theoha ha Stochastic Gradient:
- Stochastic gradient e sebelisa sampole e le 'ngoe ho etsa komporo ea sekhahla.
- Ka lebaka la ho fetoha ha boima ba 'mele khafetsa, e fetoha kapele ho feta tekanyo ea batch.
19. Hobaneng ho le bohlokoa ho kenyelletsa li-non-linearities ho neural network?
Ho sa tsotellehe hore na ho na le lihlopha tse kae, marang-rang a neural a tla itšoara joaloka perceptron ha ho se na li-linearities, ho etsa hore tlhahiso e itšetlehe ka ho kenya letsoho.
Ho e beha ka tsela e 'ngoe, marang-rang a marang-rang a nang le likarolo tsa n le li-unit tse patiloeng le lits'ebetso tsa ts'ebetso ea linear li lekana le marang-rang a marang-rang a se nang likarolo tse patiloeng le bokhoni ba ho lemoha meeli ea ho arohana ka mela feela.
Ntle le li-linearities, marang-rang a neural ha a khone ho rarolla mathata a rarahaneng le ho arola ka mokhoa o nepahetseng ho kenya letsoho.
20. Tenor ke eng thutong e tebileng?
Multidimensional array e tsejoang e le tensor e sebetsa joalo ka kakaretso ea matrices le vectors. Ke sebopeho sa data sa bohlokoa bakeng sa ho ithuta ka botebo. Mefuta ea N-dimensional ea mefuta ea data ea mantlha e sebelisoa ho emela li-tensor.
Karolo e 'ngoe le e' ngoe ea tensor e na le mofuta o tšoanang oa data, 'me mofuta ona oa data o lula o tsejoa. Ho ka etsahala hore ebe ho tsejoa feela karoloana ea sebōpeho—e leng, hore na e na le litekanyo tse kae le hore na e ’ngoe le e ’ngoe e boholo hakae—e tsejoang.
Maemong ao ho kenya letsoho ho boetse ho tsejoa ka ho feletseng, boholo ba ts'ebetso bo hlahisa li-tensor tse tsejoang ka ho feletseng; maemong a mang, mofuta oa tensor o ka thehoa feela nakong ea ts'ebetso ea kerafo.
21. U ka khetha ts'ebetso ea ts'ebetso joang bakeng sa mohlala o tebileng oa ho ithuta?
- Hoa utloahala ho sebelisa ts'ebetso ea linear haeba sephetho se lokelang ho lebelloa ke sa nnete.
- Mosebetsi oa Sigmoid o lokela ho sebelisoa haeba tlhahiso e lokelang ho boleloa esale pele e le monyetla oa sehlopha sa binary.
- Ts'ebetso ea Tanh e ka sebelisoa haeba tlhahiso e reriloeng e na le likarolo tse peli.
- Ka lebaka la boiketlo ba eona ba ho bala, ts'ebetso ea ReLU e sebetsa maemong a fapaneng a fapaneng.
22. U bolela'ng ka CNN?
Marang-rang a tebileng a kelello a sebetsanang le ho lekola litšoantšo tse bonoang a kenyelletsa marang-rang a convolutional neural (CNN, kapa ConvNet). Mona, ho e-na le marang-rang a neural moo vector e emelang ho kenya letsoho, ho kenya ke setšoantšo se nang le mechine e mengata.
Li-perceptron tsa Multilayer li sebelisoa ka tsela e khethehileng ke CNN e hlokang ho etsoa esale pele.
23. Likarolo tse ngata tsa CNN ke life?
Convolutional Layer: Lera le leholo ke lera la convolutional, le nang le mefuta e fapaneng ea lihloela tse ithutoang le sebaka se amohelang. Lera lena la pele le nka lintlha tsa ho kenya le ho ntša litšobotsi tsa lona.
ReLU Layer: Ka ho etsa hore marang-rang a se ke a mela, lera lena le fetola lipikselse tse mpe hore e be zero.
Pooling layer: Ka ho fokotsa ts'ebetso le litlhophiso tsa marang-rang, sekhahla sa ho kopanya butle-butle se fokotsa boholo ba sebaka sa boemeli. Ho kopanya ka bongata ke mokhoa o sebelisoang haholo oa ho kopanya.
24. Liphello tsa ho se sebelise ho feta tekano ke life, hona u ka li qoba joang?
Sena se tsejoa e le overfitting ha mohlala o ithuta lintho tse rarahaneng le lerata la data ea koetliso ho fihlela moo e amang tšebeliso ea mohlala ea data e ncha.
Ho ka etsahala hore ho etsahale ka mefuta e sa tloaelehang e feto-fetohang ha u ntse u ithuta mosebetsi oa sepheo. Mohlala o ka koetlisetsoa ho lemoha likoloi le literaka, empa o ka tseba feela likoloi tse nang le lebokose le itseng.
Ka lebaka la hore e ne e koetliselitsoe mofuta o le mong feela oa teraka, e ka 'na ea se ke ea khona ho bona teraka ea flatbed. Ho data ea koetliso, mohlala o sebetsa hantle, empa eseng lefatšeng la sebele.
Moetso o sa keneng hantle o bolela o sa koetlisoang ka ho lekaneng ho data kapa o khona ho kenyelletsa tlhahisoleseling e ncha. Hangata sena se etsahala ha mohlala o ntse o koetlisoa ka lintlha tse sa lekaneng kapa tse sa nepahalang.
Ho nepahala le ts'ebetso ka bobeli li sekisetsoa ke ho se sebetse hantle.
Ho etsa mohlala hape oa data ho hakanya ho nepahala ha mohlala (K-fold cross-validation) le ho sebelisa dataset ea netefatso ho lekola mohlala ke litsela tse peli tsa ho qoba ho fetella le ho se sebetse hantle.
25. Thutong e tebileng, RNN ke eng?
Recurrent neural networks (RNNs), mefuta e fapaneng e tloaelehileng ea marang-rang a maiketsetso, e ea ka khutsufatso ea RNN. Ba hiriloe ho sebetsana le liphatsa tsa lefutso, mongolo, mongolo le tatelano ea data, har'a lintho tse ling. Bakeng sa koetliso e hlokahalang, li-RNN li sebelisa li-backpropagation.
26. Hlalosa Adama Optimizer
Adam optimizer, eo hape e tsejoang e le adaptive momentum, ke mokhoa oa ho ntlafatsa o ntlafalitsoeng ho sebetsana le maemo a lerata ka li-gradients tse fokolang.
Ntle le ho fana ka lintlafatso tsa paramethara bakeng sa khokahanyo e potlakileng, optimizer ea Adama e ntlafatsa khokahanyo ka lebelo, ho netefatsa hore mohlala ha o qabeletsoe sebakeng sa saddle.
27. Li-autoencoder tse tebileng: ke eng?
Deep autoencoder ke lebitso le kopaneng bakeng sa marang-rang a mabeli a tumelo a tebileng ao ka kakaretso a kenyelletsang likarolo tse 'ne kapa tse hlano tse sa tebang bakeng sa halofo ea khouto ea marang-rang le sete e' ngoe ea likarolo tse 'ne kapa tse hlano bakeng sa halofo ea ho khetholla.
Likarolo tsena li theha motheo oa marang-rang a tumelo e tebileng mme li hatelloa ke mechini ea Boltzmann. Ka mor'a RBM e 'ngoe le e' ngoe, autoencoder e tebileng e sebelisa liphetoho tsa binary ho MNIST ea dataset.
Li ka boela tsa sebelisoa ho li-dataset tse ling moo liphetoho tse lokisitsoeng tsa Gaussian li neng li tla ratoa ho feta RBM.
28. Tensor e Bolela'ng ho Tensorflow?
Ena ke potso e 'ngoe e tebileng ea puisano ea ho ithuta e botsoang khafetsa. Tensor ke mohopolo oa lipalo o bonoang e le lihlopha tsa maemo a holimo.
Li-tensors ke li-arrays tsena tsa data tse fanoeng e le kenyelletso ho neural network 'me li na le litekanyo le maemo a fapaneng.
29. Tlhaloso ea kerafo ea computational
Motheo oa TensorFlow ke kaho ea graph ea computational. Node e 'ngoe le e' ngoe e sebetsa marang-rang a li-node, moo li-node li emeng bakeng sa ts'ebetso ea lipalo le mecheng ea li-tensor.
Ka linako tse ling e bitsoa "DataFlow Graph" kaha data e phalla ka sebōpeho sa kerafo.
30. Marang-rang a bahanyetsi (GANs): ke eng?
Thutong e Tebileng, ho hlahisa mohlala ho finyelloa ka ho sebelisa marang-rang a bahanyetsi. Ke mosebetsi o sa laoleheng moo sephetho se hlahisoang ka ho tsebahatsa lipaterone ho data e kentsoeng.
Khethollo e sebelisoa ho arola liketsahalo tse hlahisoang ke jenereithara, athe jenereithara eona e sebelisetsoa ho hlahisa mehlala e mecha.
31. U tla khetha joang palo ea li-neurone le lihlopha tse patehileng ho kenyelletsa marang-rang a methapo ha u ntse u rala mohaho?
Ka lebaka la phephetso ea khoebo, palo e nepahetseng ea li-neurone le likarolo tse patiloeng tse hlokahalang ho haha marang-rang a marang-rang li ke ke tsa khethoa ke melao leha e le efe e thata le e potlakileng.
Ka marang-rang a methapo, boholo ba lera le patiloeng le lokela ho oela kae-kae bohareng ba boholo ba likarolo tsa ho kenya le ho tsoa.
Ho qala ka ho theha moralo oa marang-rang oa neural ho ka finyelloa ka mekhoa e 'maloa e otlolohileng, leha ho le joalo:
Ho qala ka liteko tse ling tsa motheo tse hlophisitsoeng ho bona hore na ke eng e ka sebetsang hantle bakeng sa datha efe kapa efe e ikhethileng e ipapisitseng le boiphihlelo ba pele ba marang-rang a marang-rang maemong a tšoanang a lefats'e la 'nete ke tsela e molemohali ea ho sebetsana le phephetso e 'ngoe le e 'ngoe e ikhethang ea ho bolela esale pele ea lefatše.
Tlhophiso ea marang-rang e ka khethoa ho ipapisitse le tsebo ea motho ea sebaka sa litaba le boiphihlelo ba neural network pele. Ha ho lekoa tlhophiso ea netweke ea methapo, palo ea li-layers le li-neurone tse sebelisoang mathateng a amanang ke sebaka se setle sa ho qala.
Ho rarahana ha marang-rang a methapo ea kutlo ho lokela ho eketsoa butle-butle ho ipapisitsoe le tlhahiso e lebelletsoeng le ho nepahala, ho qala ka moralo o bonolo oa marang-rang.
32. Ke mefuta efe ea marang-rang a marang-rang a sebelisoang ke thuto e matla ea ho matlafatsa?
- Ho paradigm ea ho ithuta ka mochini e bitsoang thuto ea matlafatso, mohlala o sebetsa ho holisa mohopolo oa ho bokella moputso, joalo ka ha lintho tse phelang li etsa.
- Lipapali le likoloi tse itsamaisang ka bobeli li hlalosoa e le mathata a amang ho matlafatsa thuto.
- Skrine e sebelisoa e le ho kenya letsoho haeba bothata bo lokelang ho emeloa ke papali. Bakeng sa ho hlahisa tlhahiso bakeng sa mekhahlelo e latelang, algorithm e nka lipikselse e le ho kenya letsoho ebe e li sebetsa ka mekhahlelo e mengata ea marang-rang a convolutional neural.
- Liphetho tsa liketso tsa mohlala, ebang ke tse ntle kapa tse mpe, li sebetsa joalo ka matlafatso.
fihlela qeto e
Ho Ithuta ho Tebileng ho tsoetse pele ka botumo ho theosa le lilemo, ka ts'ebeliso hoo e batlang e le sebakeng se seng le se seng sa indasteri.
Likhamphani li ntse li tsoela pele ho batla litsebi tse nang le bokhoni tse ka qapang mehlala e etsisang boitšoaro ba batho ka ho sebelisa mekhoa e tebileng ea ho ithuta le ho ithuta ka mochini.
Bakhethoa ba eketsang tsebo ea bona le ho boloka tsebo ea bona ea theknoloji ena e tsoetseng pele ba ka fumana menyetla e mengata ea mesebetsi ka meputso e khahlisang.
U ka qala ka lipuisano kaha joale u na le kutloisiso e matla ea ho araba lipotso tse ling tse atisang ho botsoa ka botebo. Nka mohato o latelang o ipapisitse le lipheo tsa hau.
Etela Hashdork's Letoto la Lipuisano ho lokisetsa lipuisano.
Leave a Reply