በ AI ውስጥ የነርቭ አውታረ መረብ ምንድነው?

የነርቭ አውታረ መረቦች እስካልሆኑ ድረስ ሚስጥራዊ ይመስላል። በ AI ውስጥ የነርቭ አውታረ መረብ ምንድነው ብለው ጠይቀው ያውቃሉ እና በቆንጆ ኮፍያ ሒሳብ ብቻም ይሁን፣ ትክክለኛው ቦታ ላይ ነዎት። ተግባራዊ እናቆየዋለን፣ በጥቃቅን አቅጣጫ እንረጭበታለን፣ እና አዎ - ጥቂት ስሜት ገላጭ ምስሎች። እነዚህ ስርዓቶች ምን እንደሆኑ፣ ለምን እንደሚሰሩ፣ የት እንደሚወድቁ እና ስለእነሱ ያለእጅ ማውለብለብ እንዴት እንደሚነጋገሩ ማወቅ ትሄዳለህ።

ከዚህ በኋላ ሊያነቧቸው የሚፈልጓቸው መጣጥፎች፡-

🔗 AI አድልዎ ምንድን ነው?
ፍትሃዊነትን ለማረጋገጥ በ AI ስርዓቶች እና ስልቶች አድልዎ መረዳት።

🔗 መተንበይ AI ምንድን ነው
የወደፊቱን ውጤት ለመተንበይ AI እንዴት ትንበያ እንደሚጠቀም።

🔗 AI አሰልጣኝ ምንድነው?
AIን የሚያሠለጥኑ ባለሙያዎችን ሚና እና ኃላፊነቶችን ማሰስ.

🔗 በ AI ውስጥ የኮምፒተር እይታ ምንድነው?
አይአይ የእይታ መረጃን በኮምፒዩተር እይታ እንዴት እንደሚተረጉም እና እንደሚተነተን።

በ AI ውስጥ የነርቭ አውታረ መረብ ምንድነው? የ10 ሰከንድ መልስ ⏱️

የነርቭ አውታረመረብ ቁጥሮችን ወደ ፊት የሚያስተላልፉ ፣ በስልጠና ወቅት የግንኙነት ጥንካሬዎቻቸውን የሚያስተካክሉ እና ቀስ በቀስ በመረጃ ውስጥ ዘይቤዎችን የሚማሩ ነርቭ የሚባሉ ቀላል የሂሳብ አሃዶች ቁልል ነው። ጥልቅ ትምህርት ሲሰሙ ፣ ያ ማለት ብዙውን ጊዜ ብዙ የተደራረቡ ንጣፎች ያሉት የነርቭ አውታረ መረብ ነው፣ የመማር ባህሪያቶችን በእጅ ከመጻፍ ይልቅ። በሌላ አነጋገር፡ ብዙ ጥቃቅን የሂሳብ ቁርጥራጮች፣ በጥበብ የተደረደሩ፣ በመረጃ ላይ የሰለጠኑ ጠቃሚ እስኪሆኑ [1]።

የነርቭ ኔትወርክን ጠቃሚ የሚያደርገው ምንድን ነው? ✅

የውክልና ኃይል ፡ በትክክለኛ አርክቴክቸር እና መጠን፣ ኔትወርኮች በጣም ውስብስብ የሆኑ ተግባራትን ሊገመግሙ ይችላሉ (ሁሉን አቀፍ ግምት ቲዎሬምን ይመልከቱ) [4]።
ከጫፍ እስከ ጫፍ መማር ፡ ከእጅ ምህንድስና ባህሪያት ይልቅ ሞዴሉ ያገኛቸዋል [1]።
ማጠቃለያ ፡ በደንብ የተስተካከለ አውታረመረብ በማስታወስ ብቻ አይደለም የሚሰራው - በአዲስ እና በማይታይ መረጃ ላይ ይሰራል።
መጠነ-ሰፊነት ፡ ትላልቅ የውሂብ ስብስቦች እና ትላልቅ ሞዴሎች ብዙ ጊዜ ውጤቶችን ማሻሻል ይቀጥላሉ… እስከ ተግባራዊ ገደቦች እንደ ስሌት እና የውሂብ ጥራት [1]።
የመተላለፍ ችሎታ ፡ በአንድ ተግባር ውስጥ የተማሩ ባህሪያት ሌላውን ሊረዱ ይችላሉ (ትምህርትን ማስተላለፍ እና ማስተካከል) [1]።

ትንሽ የመስክ ማስታወሻ (ምሳሌ ሁኔታ)፡- አንድ ትንሽ የምርት ምድብ ቡድን በእጅ የተሰሩ ባህሪያትን ለተጨባጭ CNN ይለዋወጣል፣ ቀላል ጭማሪዎችን ይጨምራል (ግልብጥ/ሰብል) እና የማረጋገጫ ስህተት መውደቅን ይመለከታል - አውታረ መረቡ “ምትሃት” ስለሆነ ሳይሆን የበለጠ ጠቃሚ ባህሪያትን በቀጥታ ከፒክሴሎች ስለተማረ ነው።

"በ AI ውስጥ የነርቭ አውታረ መረብ ምንድን ነው?" በግልፅ እንግሊዘኛ፣ ከፋይ ዘይቤ ጋር 🍞

የዳቦ መጋገሪያ መስመርን በዓይነ ሕሊናህ ተመልከት። ግብዓቶች ወደ ውስጥ ይገባሉ፣ ሰራተኞቹ የምግብ አዘገጃጀቱን ያስተካክላሉ፣ የጣዕም ሞካሪዎች ቅሬታ ያሰማሉ፣ እና ቡድኑ የምግብ አዘገጃጀቱን እንደገና ያሻሽላል። በአውታረ መረብ ውስጥ፣ ግብዓቶች በንብርብሮች ውስጥ ይፈስሳሉ፣ የኪሳራ ተግባር ውጤቱን ደረጃ ይሰጣል፣ እና ቅልመት ክብደት በሚቀጥለው ጊዜ የተሻለ ለመስራት። እንደ ዘይቤ ፍጹም አይደለም - ዳቦ አይለይም - ግን ተጣብቋል [1].

የነርቭ አውታረመረብ አናቶሚ 🧩

ነርቮች ፡- ጥቃቅን አስሊዎች ክብደት ያለው ድምር እና የማግበር ተግባርን ተግባራዊ ያደርጋሉ።
ክብደት እና አድሎአዊነት ፡ ምልክቶች እንዴት እንደሚጣመሩ የሚስተካከሉ ቁልፎች።
ንብርብሮች : የግቤት ንብርብር ውሂብ ይቀበላል, የተደበቁ ንብርብሮች ይለውጠዋል, የውጤት ንብርብር ትንበያ ያደርጋል.
የማግበር ተግባራት ፡ እንደ ReLU፣ sigmoid፣ tanh እና softmax ያሉ የመስመር ላይ ያልሆኑ ጠማማዎች መማርን ተለዋዋጭ ያደርጉታል።
የማጣት ተግባር ፡ ትንበያው ምን ያህል የተሳሳተ እንደሆነ የሚያሳይ ነጥብ (መስቀል-ኢንትሮፒ ለምድብ፣ MSE ለዳግም ተሃድሶ)።
አመቻች ፡ እንደ SGD ወይም Adam ያሉ ስልተ ቀመሮች ክብደቶችን ለማዘመን ቀስቶችን ይጠቀማሉ።
መደበኛነት ፡ ሞዴሉን ከመጠን በላይ እንዳይገጣጠም እንደ ማቋረጥ ወይም ክብደት መበስበስ ያሉ ቴክኒኮች።

መደበኛውን ህክምና ከፈለጉ (ግን አሁንም ሊነበብ የሚችል)፣ ክፍት የመማሪያ መጽሀፍ ጥልቅ ትምህርት ሙሉውን ቁልል ይሸፍናል፡ የሂሳብ መሠረቶች፣ ማመቻቸት እና አጠቃላይነት [1]።

የማግበር ተግባራት፣ በአጭሩ ግን አጋዥ ⚡

ReLU : ለአሉታዊ ነገሮች ዜሮ፣ ለአዎንታዊ ነገሮች ቀጥተኛ። ቀላል ፣ ፈጣን ፣ ውጤታማ።
ሲግሞይድ ፡ በ0 እና 1 መካከል ያለውን የስኩዊስ ዋጋ - ጠቃሚ ነገር ግን ሊጠግብ ይችላል።
ታንህ ፡ ልክ እንደ ሲግሞይድ ግን በዜሮ ዙሪያ የተመጣጠነ።
Softmax ፡ ጥሬ ውጤቶችን በየክፍሎች ወደ ሊሆኑ የሚችሉ ነገሮች ይለውጣል።

እያንዳንዱን የጥምዝ ቅርጽ ማስታወስ አያስፈልግዎትም - የንግድ ልውውጥን እና የተለመዱ ነባሪዎችን ብቻ ይወቁ [1, 2].

መማር በእውነቱ እንዴት እንደሚከሰት፡ ወደኋላ መመለስ፣ ግን አስፈሪ አይደለም 🔁

አስተላልፍ ማለፊያ ፡ ትንበያ ለማምረት ውሂብ በንብርብር ይፈስሳል።
ኪሳራን አስሉ ፡ ትንበያውን ከእውነት ጋር ያወዳድሩ።
የኋላ ማባዛት ፡ በሰንሰለት ደንቡ በመጠቀም ከእያንዳንዱ ክብደት አንጻር የኪሳራ ቀስቶችን ያሰሉ።
አዘምን ፡ አመቻች ክብደቶችን በትንሹ ይለውጣል።
ድገም : ብዙ ዘመናት. ሞዴሉ ቀስ በቀስ ይማራል.

በእይታ እና በኮድ-አጎራባች ማብራሪያዎች ለግንዛቤ ግንዛቤ፣ በbackprop እና ማመቻቸት ላይ ያሉትን የታወቁ CS231n ማስታወሻዎችን ይመልከቱ [2]።

ዋና ዋናዎቹ የነርቭ ኔትወርኮች ቤተሰቦች፣ በጨረፍታ 🏡

Feedforward Networks (MLPs) ፡ በጣም ቀላሉ ዓይነት። ውሂብ ወደ ፊት ብቻ ነው የሚሄደው።
Convolutional Neural Networks (CNNs) ፡ ለምስሎች ጥሩ ምስጋና ይግባውና ጠርዙን፣ ሸካራማነቶችን፣ ቅርጾችን ለሚለዩ የቦታ ማጣሪያዎች።
ተደጋጋሚ የነርቭ አውታረ መረቦች (አርኤንኤን) እና ተለዋዋጮች ፡ እንደ ጽሁፍ ወይም ተከታታይ የጊዜ ቅደም ተከተል ላሉ ቅደም ተከተሎች የተሰራ [1]።
ትራንስፎርመሮች : በአንድ ጊዜ በቅደም ተከተል በቦታዎች ላይ ያሉ ግንኙነቶችን ለመቅረጽ ትኩረትን ይጠቀሙ; በቋንቋ እና ከዚያም በላይ [3] የበላይ ነው።
የግራፍ ነርቭ ኔትወርኮች (ጂኤንኤን) ፡ በመስቀለኛ መንገድ እና በግራፍ ጠርዝ ላይ ይስሩ - ለሞለኪውሎች፣ ለማህበራዊ አውታረ መረቦች፣ ምክሮች [1] ጠቃሚ ነው።
Autoencoders & VAEs ፡ የተጨመቁ ውክልናዎችን ይማሩ እና ልዩነቶችን ይፍጠሩ [1]።
የጄነሬቲቭ ሞዴሎች ፡ ከጋን እስከ ስርጭት ሞዴሎች፣ ለምስሎች፣ ኦዲዮ፣ አልፎ ተርፎም ኮድ [1] የሚያገለግሉ።

የCS231n ማስታወሻዎች በተለይ ለ CNNs ተስማሚ ናቸው፣ የትራንስፎርመር ወረቀቱ ግን ትኩረትን መሰረት ላደረጉ ሞዴሎች ዋና ምንጭ ነው [2፣ 3]።

የንጽጽር ሰንጠረዥ፡ የተለመዱ የነርቭ ኔትወርክ ዓይነቶች፣ ለማን እንደሆኑ፣ የዋጋ ንዝረት እና ለምን እንደሚሠሩ 📊

መሣሪያ / ዓይነት	ታዳሚዎች	ዋጋ-ኢሽ	ለምን እንደሚሰራ
አስተባባሪ (MLP)	ጀማሪዎች ፣ ተንታኞች	ዝቅተኛ-መካከለኛ	ቀላል ፣ ተለዋዋጭ ፣ ጨዋ የመነሻ መስመሮች
ሲ.ኤን.ኤን	ራዕይ ቡድኖች	መካከለኛ	የአካባቢ ቅጦች + መለኪያ ማጋራት።
RNN / LSTM / GRU	ቅደም ተከተል ሰዎች	መካከለኛ	ጊዜያዊ ማህደረ ትውስታ-ኢሽ… ቅደም ተከተል ይይዛል
ትራንስፎርመር	NLP፣ መልቲሞዳል	መካከለኛ-ከፍተኛ	ትኩረት በሚመለከታቸው ግንኙነቶች ላይ ያተኩራል
ጂኤንኤን	ሳይንቲስቶች, recsys	መካከለኛ	በግራፎች ላይ የሚተላለፈው መልእክት አወቃቀሩን ያሳያል
Autoencoder / VAE	ተመራማሪዎች	ዝቅተኛ-መካከለኛ	የታመቁ ውክልናዎችን ይማራል።
GAN / ስርጭት	የፈጠራ ቤተ-ሙከራዎች	መካከለኛ-ከፍተኛ	ተቃዋሚ ወይም ተደጋጋሚ አስማትን የሚክድ

ማስታወሻዎች: የዋጋ አሰጣጥ ስለ ስሌት እና ጊዜ ነው; የእርስዎ ርቀት ይለያያል። አንድ ወይም ሁለት ሕዋስ ሆን ተብሎ በዓላማ ይወራሉ።

"በ AI ውስጥ የነርቭ አውታረ መረብ ምንድን ነው?" ክላሲካል ML ስልተ ቀመር ⚖️

የባህሪ ምህንድስና ፡ ክላሲክ ኤምኤል ብዙውን ጊዜ በእጅ ባህሪያት ላይ ይመረኮዛል። የነርቭ መረቦች በራስ-ሰር ባህሪያትን ይማራሉ - ውስብስብ ውሂብ ትልቅ ድል [1]።
የውሂብ ረሃብ ፡ አውታረ መረቦች ብዙ ጊዜ በበለጠ መረጃ ያበራሉ; አነስተኛ ውሂብ ቀላል ሞዴሎችን ሊመርጥ ይችላል [1].
ስሌት ፡ አውታረ መረቦች እንደ ጂፒዩዎች [1] ያሉ ማፍጠኛዎችን ይወዳሉ።
የአፈጻጸም ጣሪያ ፡- ላልተደራጀ መረጃ (ምስሎች፣ ኦዲዮ፣ ጽሑፍ) ጥልቅ መረቦች የበላይ ይሆናሉ [1፣ 2]።

በተግባር የሚሰራው የስልጠና የስራ ሂደት 🛠️

ግቡን ይግለጹ : ምደባ ፣ መመለሻ ፣ ደረጃ ፣ ትውልድ - የሚዛመደውን ኪሳራ ይምረጡ።
የውሂብ ሽኩቻ ፡ ወደ ባቡር/ማረጋገጫ/ሙከራ ተከፋፈለ። ባህሪያትን መደበኛ አድርግ። ክፍሎችን ሚዛን. ለምስሎች እንደ መገልበጥ፣ ሰብሎች፣ ትንሽ ጫጫታ ያሉ መጨመርን ያስቡ።
የስነ-ህንፃ ምርጫ : ቀላል ጀምር. አስፈላጊ በሚሆንበት ጊዜ ብቻ አቅም ይጨምሩ።
የሥልጠና ዑደት ፡ ውሂቡን ያዙሩ። ወደፊት ማለፍ። ኪሳራውን አስሉ. የኋላ ፕሮፕ። አዘምን የምዝግብ ማስታወሻ መለኪያዎች.
አዘውትሮ : መውደቅ, ክብደት መበስበስ, ቀደም ብሎ ማቆም.
ይገምግሙ ፡ የማረጋገጫውን ስብስብ ለሃይፐርፓራሜትሮች ይጠቀሙ። ለመጨረሻው ቼክ አንድ የሙከራ ስብስብ ይያዙ.
በጥንቃቄ ይላኩ ፡ ተንሳፋፊነትን ይቆጣጠሩ፣ አድሏዊ መሆኑን ያረጋግጡ፣ መልሶ መመለስን ያቅዱ።

ከጫፍ እስከ ጫፍ፣ ኮድ ተኮር አጋዥ ስልጠናዎች ከጠንካራ ፅንሰ-ሀሳብ ጋር፣ ክፍት የመማሪያ መጽሀፍ እና CS231n ማስታወሻዎች አስተማማኝ መልህቆች ናቸው [1, 2]።

ከመጠን በላይ መገጣጠም፣ አጠቃላይ እና ሌሎች ግሬምሊንስ 👀

ከመጠን በላይ መገጣጠም : ሞዴሉ የስልጠና ችግሮችን ያስታውሳል. በበለጠ ውሂብ፣ በጠንካራ መደበኛነት ወይም በቀላል አርክቴክቸር ያስተካክሉ።
አግባብ ያልሆነ : ሞዴሉ በጣም ቀላል ነው ወይም በጣም ዓይናፋር ነው. አቅምን ይጨምሩ ወይም ረዘም ላለ ጊዜ ያሠለጥኑ።
የውሂብ መፍሰስ ፡ ከሙከራው ስብስብ የተገኘው መረጃ ወደ ስልጠና ሾልኮ ይሄዳል። ክፍፍሎችዎን ሶስት ጊዜ ይፈትሹ።
ደካማ ልኬት ፡ በራስ የሚተማመን ግን የተሳሳተ ሞዴል አደገኛ ነው። መለካት ወይም የተለየ ክብደት መቀነስ ግምት ውስጥ ያስገቡ።
የስርጭት ለውጥ ፡ የእውነተኛ ዓለም ውሂብ ይንቀሳቀሳል። ተቆጣጠር እና መላመድ።

ከአጠቃላይ እና መደበኛነት ጀርባ ላለው ንድፈ ሃሳብ፣ በመደበኛ ማጣቀሻዎች ላይ ይደገፉ [1፣ 2]።

ደህንነት፣ መተርጎም እና ኃላፊነት የተሞላበት ማሰማራት 🧭

የነርቭ አውታረ መረቦች ከፍተኛ ውሳኔዎችን ሊወስኑ ይችላሉ. በመሪዎች ሰሌዳ ላይ ጥሩ አፈጻጸም መሆናቸው በቂ አይደለም። በህይወት ዑደት ውስጥ የአስተዳደር፣ የመለኪያ እና የመቀነስ እርምጃዎች ያስፈልጉዎታል። የNIST AI ስጋት አስተዳደር ማዕቀፍ ቡድኖች የአደጋ አስተዳደርን ወደ ዲዛይን እና ማሰማራት እንዲያዋህዱ ለመርዳት GOVERN፣ MAP፣ MEASURE፣ MANAGE

ጥቂት ፈጣን ፈገግታዎች፡-

አድሎአዊ ፍተሻዎች ፡ ተገቢ እና ህጋዊ በሆነበት ጊዜ በስነ-ሕዝብ ዝርዝሮች ላይ ይገምግሙ።
አተረጓጎም ፡ እንደ ጨዋነት ወይም የባህሪ ባህሪያት ያሉ ቴክኒኮችን ተጠቀም። ፍጽምና የጎደላቸው ናቸው፣ ግን ጠቃሚ ናቸው።
ክትትል ፡ ለድንገተኛ የሜትሪክ ጠብታዎች ወይም የውሂብ መንሸራተት ማንቂያዎችን ያዘጋጁ።
የሰው ቁጥጥር ፡- ተጽዕኖ- ከባድ ውሳኔዎችን ለማግኘት ሰዎችን በትኩረት ያቆዩት። ጀግንነት የለም ንፅህና ብቻ።

በድብቅ በተደጋጋሚ የሚጠየቁ ጥያቄዎች 🙋

የነርቭ አውታረ መረብ በመሠረቱ አንጎል ነው?

በአንጎል ተመስጦ፣ አዎ - ግን ቀላል። በኔትወርኮች ውስጥ ያሉ ነርቮች የሂሳብ ተግባራት ናቸው; ባዮሎጂካል ነርቭ ሴሎች ውስብስብ ተለዋዋጭነት ያላቸው ህይወት ያላቸው ሴሎች ናቸው. ተመሳሳይ ንዝረቶች፣ በጣም የተለያየ ፊዚክስ [1]።

ምን ያህል ንብርብሮች እፈልጋለሁ?

በትንሹ ጀምር. በቂ ካልሆነ፣ ስፋት ወይም ጥልቀት ይጨምሩ። ከአቅም በላይ ከሆኑ፣ መደበኛ ያድርጉት ወይም አቅምን ይቀንሱ። አስማት ቁጥር የለም; የማረጋገጫ ኩርባዎች እና ትዕግስት ብቻ አሉ [1]።

ሁልጊዜ ጂፒዩ ያስፈልገኛል?

ሁልጊዜ አይደለም. መጠነኛ ውሂብ ላይ ያሉ ትናንሽ ሞዴሎች በሲፒዩዎች ላይ ማሰልጠን ይችላሉ፣ ነገር ግን ለምስሎች፣ ለትልቅ የጽሑፍ ሞዴሎች ወይም ለትልቅ ዳታ ስብስቦች አፋጣኞች ብዙ ጊዜ ይቆጥባሉ [1]።

ለምን ሰዎች ትኩረት ኃይለኛ ነው ይላሉ?

ምክንያቱም ትኩረት ሞዴሎች በቅደም ተከተል በጥብቅ ሳይዘምቱ በጣም ተዛማጅ በሆኑት የግብአት ክፍሎች ላይ እንዲያተኩሩ ያስችላቸዋል። ዓለም አቀፋዊ ግንኙነቶችን ይይዛል, ይህም ለቋንቋ እና ለመልቲሞዳል ተግባራት ትልቅ ጉዳይ ነው [3].

"በ AI ውስጥ የነርቭ አውታረ መረብ ምንድን ነው?" ከ "ጥልቅ ትምህርት ምንድን ነው" የተለየ?

ጥልቅ ትምህርት ጥልቅ የነርቭ አውታረ መረቦችን የሚጠቀም ሰፋ ያለ አቀራረብ ነው። ስለዚህ በ AI ውስጥ የነርቭ አውታረ መረብ ምንድነው ብለው ይጠይቁ? ስለ ዋናው ገጸ ባህሪ እንደ መጠየቅ ነው; ጥልቅ ትምህርት ሙሉ ፊልም ነው [1].

ተግባራዊ ፣ ትንሽ አስተያየት ያላቸው ምክሮች 💡

መጀመሪያ ቀላል መነሻዎችን ይምረጡ ውሂቡ መማር የሚቻል ከሆነ ትንሽ ባለ ብዙ ሽፋን ፐርሴፕሮን እንኳን ሊነግርዎት ይችላል።
የመረጃ ቧንቧ መስመርዎ እንደገና እንዲሰራጭ ያድርጉት ። እንደገና ማስኬድ ካልቻሉ ማመን አይችሉም።
እርስዎ ከሚያስቡት በላይ የመማር ፍጥነት መርሐግብር ይሞክሩ። ማሞቂያ ሊረዳ ይችላል.
የባች መጠን ግብይቶች አሉ። ትላልቅ ስብስቦች ቅልጥፍናን ያረጋጋሉ ነገር ግን በተለየ መልኩ ሊጠቃለሉ ይችላሉ።
ግራ ሲጋቡ ያሴሩ ኪሳራ ኩርባዎች እና የክብደት ደንቦች . መልሱ በሴራዎች ውስጥ ስንት ጊዜ እንደሆነ ትገረማለህ።
የሰነድ ግምቶች. ወደፊት - ነገሮችን ትረሳለህ - በፍጥነት [1, 2].

ጥልቅ-ዳይቭ አቅጣጫ ማዞር፡ የውሂብ ሚና፣ ወይም ለምን አሁንም ቆሻሻ ማለት ቆሻሻ መጣያ ማለት ነው 🗑️➡️✨

የነርቭ ኔትወርኮች የተሳሳቱ መረጃዎችን በአስማት አያስተካክሉም። የተዛባ መለያዎች፣ የማብራሪያ ስህተቶች፣ ወይም ጠባብ ናሙና ሁሉም በአምሳያው ውስጥ ያስተጋባሉ። መርምር፣ ኦዲት እና መጨመር። እና ተጨማሪ ውሂብ ወይም የተሻለ ሞዴል እንደሚያስፈልግዎ እርግጠኛ ካልሆኑ መልሱ ብዙውን ጊዜ የሚያናድድ ቀላል ነው፡ ሁለቱም - ነገር ግን በውሂብ ጥራት ይጀምሩ [1]።

"በ AI ውስጥ የነርቭ አውታረ መረብ ምንድን ነው?" - እንደገና ሊጠቀሙባቸው የሚችሉት አጭር መግለጫዎች 🧾

የነርቭ አውታረመረብ የክብደት ቀስ በቀስ ምልክቶችን [1, 2] በመጠቀም ክብደትን በማስተካከል ውስብስብ ንድፎችን የሚማር የተነባበረ ተግባር ግምታዊ ነው።
ኪሳራን ለመቀነስ የሰለጠኑ ተከታታይ ባልሆኑ ደረጃዎች ግብዓቶችን ወደ ውጤት የሚቀይር ስርዓት ነው።
እንደ ምስሎች፣ ጽሁፍ እና ኦዲዮ ባሉ ያልተዋቀሩ ግብዓቶች ላይ የሚያድግ ተለዋዋጭ፣ በመረጃ የተራበ የሞዴሊንግ አካሄድ ነው።

በጣም ረጅም፣ ያላነበበ እና የመጨረሻ አስተያየቶች 🎯

በ AI ውስጥ የነርቭ አውታረ መረብ ምንድን ነው ብሎ ቢጠይቅዎት የድምፅ ንክሻው ይኸውና፡ የነርቭ አውታረ መረብ መረጃን ደረጃ በደረጃ የሚቀይሩ፣ ኪሳራን በመቀነስ እና ቀስቶችን በመከተል ትራንስፎርሜሽኑን የሚማሩ የቀላል አሃዶች ቁልል ነው። እነሱ ኃያላን ናቸው ምክንያቱም ስለሚመዘኑ፣ ባህሪያትን በራስ-ሰር ስለሚማሩ እና በጣም ውስብስብ ተግባራትን ሊወክሉ ስለሚችሉ [1፣ 4]። የውሂብ ጥራትን፣ አስተዳደርን ወይም ክትትልን ችላ ካልዎት ለአደጋ የተጋለጡ ናቸው። እና አስማት አይደሉም። ልክ ሒሳብ፣ ስሌት እና ጥሩ ምህንድስና - ከቅምሻ ጋር።

ተጨማሪ ንባብ፣ በጥንቃቄ የተመረጡ (የጥቅስ ያልሆኑ ተጨማሪዎች)

የስታንፎርድ CS231n ማስታወሻዎች - የሚቀረብ እና ተግባራዊ ፡ https://cs231n.github.io/
DeepLearningBook.org - ቀኖናዊ ማጣቀሻ ፡ https://www.deeplearningbook.org/
NIST AI ስጋት አስተዳደር ማዕቀፍ - ኃላፊነት የሚሰማው የ AI መመሪያ ፡ https://www.nist.gov/itl/ai-risk-management-framework
"ትኩረት ብቻ ነው የሚፈልጉት" - የትራንስፎርመር ወረቀት https://arxiv.org/abs/1706.03762

ዋቢዎች

[1] Goodfellow፣ I.፣ Bengio፣ Y. እና Courville፣ A. ጥልቅ ትምህርት ። MIT ፕሬስ ነጻ የመስመር ላይ ስሪት: ተጨማሪ ያንብቡ

[2] ስታንፎርድ CS231n. ለዕይታ እውቅና (የኮርስ ማስታወሻዎች) ፡ የበለጠ ያንብቡ

[3] ቫስዋኒ፣ ኤ.፣ ሻዚር፣ ኤን.፣ ፓርማር፣ ኤን.፣ እና ሌሎች። (2017) ትኩረት ብቻ ነው የሚያስፈልግህ . NeurIPS arXiv: ተጨማሪ ያንብቡ

[4] ሳይቤንኮ, ጂ. (1989). የሲግሞይድ ተግባርን በሱፐር አቀማመጥ መቃረብ . የቁጥጥር፣ ሲግናሎች እና ስርዓቶች ሒሳብ ፣ 2፣ 303-314። Springer: ተጨማሪ ያንብቡ

[5] NIST. AI Risk Management Framework (AI RMF) : ተጨማሪ ያንብቡ

በኦፊሴላዊው AI አጋዥ መደብር የቅርብ ጊዜውን AI ያግኙ

ስለ እኛ

ወደ ብሎግ ተመለስ

ሀገር/ክልል።