Azərbaycanca
Беларускі
Dansk
Deutsch
Española
Français
Indonesia
Italiana
日本語
Қазақ
Lietuvos
Nederlands
Português
Русский
සිංහල
แบบไทย
Türkçe
Українська
中國人
United State
Afrikaans
Evrişimsel sinir ağları, derin öğrenmenin bir alt dalıdır ve genellikle görsel bilginin analiz edilmesinde kullanılır. Yaygın kullanım alanları resim ve video tanıma, önerici sistemlerresim sınıflandırma, ve doğal dil işleme olarak sıralanabilir.
Tanım
“Evrişimsel sinir ağı”, sinir ağının evrişim adı verilen bir matematik işlemi kullandığını gösterir. Konvolüsyon (evrişim) özel bir doğrusal (lineer) işlem türüdür. Evrişimli sinir ağları, katmanlarından en az birinde genel matris çarpımı yerine evrişimi kullanan basit sinir ağlarıdır
Tasarımı
Bir kıvrımlı sinir ağı, bir giriş ve bir çıkış katmanının yanı sıra birden fazla gizli katmandan oluşur . Bir CNN'nin gizli katmanları tipik olarak bir çarpma veya başka bir nokta ürünü ile kıvrılan bir dizi kıvrımlı katmandan oluşur. Aktivasyon fonksiyonu genellikle bir RELU katmanıdır ve bunu takiben havuzlama katmanları, tamamen bağlı katmanlar ve normalleştirme katmanları gibi gizli katmanlar olarak adlandırılan ek kıvrımlar gelir, çünkü girişleri ve çıkışları aktivasyon fonksiyonu ve son kıvrım tarafından maskelenir. Son evrişim, sonuçta, nihai ürünü daha doğru bir şekilde ağırlaştırmak için genellikle geri yayılımı içerir.
Kaynakça
- ^ van den Oord, Aaron; Dieleman, Sander; Schrauwen, Benjamin (2013-01-01). Burges, C. J. C.; Bottou, L.; Welling, M.; Ghahramani, Z.; Weinberger, K. Q. (eds.). Deep content-based music recommendation (PDF). Curran Associates, Inc. pp. 2643–2651.
- ^ Collobert, Ronan; Weston, Jason (2008-01-01). A Unified Architecture for Natural Language Processing: Deep Neural Networks with Multitask Learning. Proceedings of the 25th International Conference on Machine Learning. ICML '08. New York, NY, USA: ACM. pp. 160–167. doi:10.1145/1390156.1390177. ISBN 978-1-60558-205-4.
- ^ Ian Goodfellow and Yoshua Bengio and Aaron Courville (2016). Deep Learning. MIT Press. s. 326. 16 Nisan 2016 tarihinde kaynağından . Erişim tarihi: 12 Ekim 2020.
- ^ . 23 Ekim 2019 tarihinde kaynağından arşivlendi. Erişim tarihi: 16 Ocak 2020.
wikipedia, wiki, viki, vikipedia, oku, kitap, kütüphane, kütübhane, ara, ara bul, bul, herşey, ne arasanız burada,hikayeler, makale, kitaplar, öğren, wiki, bilgi, tarih, yukle, izle, telefon için, turk, türk, türkçe, turkce, nasıl yapılır, ne demek, nasıl, yapmak, yapılır, indir, ücretsiz, ücretsiz indir, bedava, bedava indir, mp3, video, mp4, 3gp, jpg, jpeg, gif, png, resim, müzik, şarkı, film, film, oyun, oyunlar, mobil, cep telefonu, telefon, android, ios, apple, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, pc, web, computer, bilgisayar
Evrisimsel sinir aglari derin ogrenmenin bir alt dalidir ve genellikle gorsel bilginin analiz edilmesinde kullanilir Yaygin kullanim alanlari resim ve video tanima onerici sistemlerresim siniflandirma ve dogal dil isleme olarak siralanabilir Tanim Evrisimsel sinir agi sinir aginin evrisim adi verilen bir matematik islemi kullandigini gosterir Konvolusyon evrisim ozel bir dogrusal lineer islem turudur Evrisimli sinir aglari katmanlarindan en az birinde genel matris carpimi yerine evrisimi kullanan basit sinir aglaridirTasarimiBir kivrimli sinir agi bir giris ve bir cikis katmaninin yani sira birden fazla gizli katmandan olusur Bir CNN nin gizli katmanlari tipik olarak bir carpma veya baska bir nokta urunu ile kivrilan bir dizi kivrimli katmandan olusur Aktivasyon fonksiyonu genellikle bir RELU katmanidir ve bunu takiben havuzlama katmanlari tamamen bagli katmanlar ve normallestirme katmanlari gibi gizli katmanlar olarak adlandirilan ek kivrimlar gelir cunku girisleri ve cikislari aktivasyon fonksiyonu ve son kivrim tarafindan maskelenir Son evrisim sonucta nihai urunu daha dogru bir sekilde agirlastirmak icin genellikle geri yayilimi icerir Kaynakca van den Oord Aaron Dieleman Sander Schrauwen Benjamin 2013 01 01 Burges C J C Bottou L Welling M Ghahramani Z Weinberger K Q eds Deep content based music recommendation PDF Curran Associates Inc pp 2643 2651 Collobert Ronan Weston Jason 2008 01 01 A Unified Architecture for Natural Language Processing Deep Neural Networks with Multitask Learning Proceedings of the 25th International Conference on Machine Learning ICML 08 New York NY USA ACM pp 160 167 doi 10 1145 1390156 1390177 ISBN 978 1 60558 205 4 Ian Goodfellow and Yoshua Bengio and Aaron Courville 2016 Deep Learning MIT Press s 326 16 Nisan 2016 tarihinde kaynagindan Erisim tarihi 12 Ekim 2020 23 Ekim 2019 tarihinde kaynagindan arsivlendi Erisim tarihi 16 Ocak 2020