Hallo! Der erste Beitrag zu Habré und sofort ein Hardcore-Thema zum Thema des Tages. Ich denke, dass sich viele Entwickler künstlicher Intelligenz zur Lösung angewandter Probleme gefragt haben, welche Neuronenarchitekturen im Kontext spezifischer Aufgaben am effektivsten sind. Ich werde sofort reservieren, dass die angegebenen Beispiele von Mitarbeitern der Universität für künstliche Intelligenz entwickelt wurden. Aber ich als Teilnehmer an ihrem Intensivkurs hatte das Glück, ihre Architekturen zu testen und nützliche Statistiken über ihre Wirksamkeit zu sammeln.
1. Erkennung handschriftlicher Zahlen
Beginnen wir mit der einfachsten Architektur. Dieses Netz besteht aus einem Eingang und 3 vollständig verbundenen Ebenen:
Dieses einfache Gitter zeigte während des Trainings sehr gute Ergebnisse. Die Genauigkeit der Trainingsprobe betrug 99,4%, während sie der Testprobe 98,5% betrug. Und das in 2,57 Sekunden! Gehen Sie geradeaus.
2. Anerkennung der Automarke
, . - , . :
"" , . 2D, 2D, , . 76,7%, - 73,6%. - 1,7 .
3.
- . :
. 100,0%, - 99,9% (!). . - 0,7 . .
4.
, - , . - , . .
. , , , 1D, 1D, . 82,7%, - 85,1%. , . . - 0,16 .
5. ...
, ? . , , . :
, . - , PSP . - , . , 2 . - (3 ) (2 ). 99,8%, - 99,8%. , . 4,7 .
. 20-30 . . !