በ AI ውስጥ የነርቭ አውታረ መረብ ምንድን ነው?

የነርቭ ኔትወርኮች ምስጢራዊ እስኪመስሉ ድረስ። በ AI ውስጥ የነርቭ ኔትወርክ ምንድን ነው? እና በቀላል ኮፍያ ብቻ የሂሳብ ስሌት መሆን አለመሆኑን ካሰቡ፣ በትክክለኛው ቦታ ላይ ነዎት። ተግባራዊ እናደርገዋለን፣ ጥቃቅን አቅጣጫዎችን እንጨምራለን፣ እና አዎ - ጥቂት ኢሞጂዎች። እነዚህ ስርዓቶች ምን እንደሆኑ፣ ለምን እንደሚሰሩ፣ የት እንደሚወድቁ እና ያለ እጅ ማወዛወዝ ስለእነሱ እንዴት ማውራት እንደሚችሉ ያውቃሉ።

ከዚህ ጽሑፍ በኋላ ሊያነቧቸው የሚችሏቸው ጽሑፎች፡

🔗 የ AI አድልዎ ምንድን ነው?
ፍትሃዊነትን ለማረጋገጥ በ AI ስርዓቶች እና ስልቶች ውስጥ ያለውን አድልዎ መረዳት።.

🔗 ትንበያ AI ምንድን ነው?
ትንበያ AI የወደፊት ውጤቶችን ለመተንበይ ቅጦችን እንዴት እንደሚጠቀም።.

🔗 የ AI አሰልጣኝ ምንድን ነው?
የአዕምሮ ህክምና ባለሙያዎችን ሚና እና ኃላፊነቶች መመርመር።.

🔗 በ AI ውስጥ የኮምፒውተር ራዕይ ምንድን ነው?
AI በኮምፒውተር እይታ አማካኝነት የእይታ መረጃን እንዴት እንደሚተረጉም እና እንደሚተነትን።.

በ AI ውስጥ የነርቭ አውታረ መረብ ምንድን ነው? የ10 ሰከንድ መልስ ⏱️

የነርቭ አውታረ መረብ ቁጥሮችን ወደፊት የሚያስተላልፉ፣ በስልጠና ወቅት የግንኙነት ጥንካሬያቸውን የሚያስተካክሉ እና ቀስ በቀስ በውሂብ ውስጥ ቅጦችን የሚማሩ የነርቭ አውታረ መረብ የሚባሉ ቀላል የስሌት ክፍሎች ስብስብ ነው። ጥልቅ ትምህርት ፣ ይህ ማለት ብዙ የተደራረቡ ንብርብሮች ያሉት የነርቭ አውታረ መረብ ማለት ነው፣ የመማር ባህሪያት በእጅ ከመፃፍ ይልቅ በራስ-ሰር ይቀጥላሉ። በሌላ አነጋገር፡- በብልሃት የተደረደሩ፣ በመረጃ ላይ የሰለጠኑ ብዙ ትናንሽ የሂሳብ ክፍሎች፣ ጠቃሚ እስኪሆኑ ድረስ በመረጃ ላይ የሰለጠኑ [1]።

የነርቭ ኔትወርክን ጠቃሚ የሚያደርገው ምንድን ነው? ✅

የውክልና ኃይል ፡- በትክክለኛው አርክቴክቸር እና መጠን፣ አውታረ መረቦች እጅግ ውስብስብ የሆኑ ተግባራትን መገመት ይችላሉ (ሁለንተናዊ የግምታዊ ቲዎሪ ይመልከቱ) [4]።
ከጫፍ እስከ ጫፍ መማር ፡- ከእጅ ኢንጂነሪንግ ባህሪያት ይልቅ፣ ሞዴሉ ያገኛቸዋል [1]።
አጠቃላይነት ፡- በሚገባ የተደራጀ አውታረ መረብ ማስታወስ ብቻ ሳይሆን በአዲስ፣ በማይታይ መረጃ ላይ ይሰራል [1]።
የመጠን መለኪያ ፡ ትላልቅ የውሂብ ስብስቦች እና ትላልቅ ሞዴሎች ብዙውን ጊዜ ውጤቶችን ማሻሻል ይቀጥላሉ… እንደ ስሌት እና የውሂብ ጥራት ያሉ ተግባራዊ ገደቦችን እስከማድረግ ድረስ [1]።
የመተላለፊያ አቅም ፡- በአንድ ተግባር የተማሩ ባህሪያት ሌላውን ሊረዱ ይችላሉ (የማስተላለፍ ትምህርት እና የማጣራት ማስተካከያ) [1]።

ጥቃቅን የመስክ ማስታወሻ (ምሳሌ ሁኔታ): አንድ ትንሽ የምርት ምደባ ቡድን በእጅ የተሰሩ ባህሪያትን ለታመቀ ሲኤንኤን ይለዋወጣል፣ ቀላል ጭማሪዎችን (መገልበጥ/መከርከም) ይጨምራል፣ እና የማረጋገጫ ስህተት ሲቀንስ ይመለከታል - አውታረ መረቡ "አስማት" ስለሆነ ሳይሆን፣ በቀጥታ ከፒክሰሎች የበለጠ ጠቃሚ ባህሪያትን ስለተማረ።

«በ AI ውስጥ የነርቭ አውታረ መረብ ምንድን ነው?» በቀላል እንግሊዝኛ፣ ኢፍይ ዘይቤ 🍞

የዳቦ መጋገሪያ መስመርን አስቡ። ግብዓቶች ገብተዋል፣ ሰራተኞቹ የምግብ አዘገጃጀቱን ያስተካክሉታል፣ የጣዕም ሞካሪዎች ቅሬታ ያሰማሉ፣ እና ቡድኑ የምግብ አዘገጃጀቱን እንደገና ያዘምናል። በአውታረ መረብ ውስጥ፣ ግብዓቶች በንብርብሮች ውስጥ ይፈስሳሉ፣ የኪሳራ ተግባር ውጤቱን ደረጃ ይሰጣል፣ እና ቅልጥፍናዎች በሚቀጥለው ጊዜ የተሻለ ለማድረግ ክብደቶችን ያነሳሉ። እንደ ዘይቤ ፍጹም አይደለም - ዳቦ ሊለያይ የሚችል አይደለም - ግን ይጣበቃል [1]።.

የነርቭ አውታረ መረብ አናቶሚ 🧩

የነርቭ ሴሎች ፡- የክብደት ድምር እና የማግበር ተግባርን የሚተገብሩ ትናንሽ ካልኩሌተሮች።
ክብደቶች እና አድልዎዎች ፡- ምልክቶች እንዴት እንደሚዋሃዱ የሚገልጹ የሚስተካከሉ እጀታዎች።
ንብርብሮች ፡ የግቤት ንብርብር ውሂብ ይቀበላል፣ የተደበቁ ንብርብሮች ይለውጠዋል፣ የውጤት ንብርብር ትንበያ ይሰጣል።
የማግበር ተግባራት ፡ እንደ ReLU፣ Sigmoid፣ Tanh እና Software Max ያሉ መስመራዊ ያልሆኑ ትዊዞች ትምህርትን ተለዋዋጭ ያደርጉታል።
የኪሳራ ተግባር ፡ ትንበያው ምን ያህል የተሳሳተ እንደሆነ የሚያሳይ ውጤት (ለምደባ ክሮስ-ኢንትሮፒ፣ ለሪግሬሽን MSE)።
ማመቻቻ ፡ እንደ SGD ወይም Adam ያሉ ስልተ ቀመሮች ክብደቶችን ለማዘመን ግራዲየሞችን ይጠቀማሉ።
መደበኛነት ፡- ሞዴሉ ከመጠን በላይ እንዳይገጥም ለመከላከል እንደ ማቋረጥ ወይም የክብደት መበስበስ ያሉ ቴክኒኮች።

መደበኛውን ህክምና (ግን አሁንም ሊነበብ የሚችል) ከፈለጉ፣ ክፍት የሆነው የመማሪያ መጽሐፍ Deep Learning ሙሉውን ክፍል ይሸፍናል፡ የሂሳብ መሠረቶች፣ ማመቻቸት እና አጠቃላይነት [1]።

የማግበር ተግባራት፣ ለአጭር ጊዜ ግን አጋዥ በሆነ መልኩ ⚡

ReLU : ለአሉታዊ ነገሮች ዜሮ፣ ለአዎንታዊ ነገሮች መስመራዊ። ቀላል፣ ፈጣን፣ ውጤታማ።
ሲግሞይድ ፡- ከ0 እስከ 1 መካከል ያሉ የስኳሽ እሴቶች - ጠቃሚ ግን ሊሟሉ ይችላሉ።
ታንህ ፡ ልክ እንደ ሲግሞይድ ግን በዜሮ ዙሪያ ሚዛናዊ ነው።
Softmax : ጥሬ ነጥቦችን በተለያዩ ክፍሎች ወደ ዕድል ይለውጣል።

እያንዳንዱን የኩርባ ቅርጽ ማስታወስ አያስፈልግዎትም - የልውውጥ-ኦፍ እና የተለመዱ ነባሪዎችን ብቻ ይወቁ [1፣ 2]።.

መማር እንዴት እንደሚከሰት፡ የኋላ ድጋፍ፣ ግን አስፈሪ አይደለም 🔁

ወደፊት ማለፍ ፡- የውሂብ ፍሰት በንብርብር ደረጃ ሲሆን ትንበያ ያስገኛል።
የስሌት ኪሳራ ፡ ትንበያን ከእውነት ጋር ያወዳድሩ።
የኋላ ስርጭት ፡- የሰንሰለት ደንብን በመጠቀም የእያንዳንዱን ክብደት አንፃር የኪሳራውን ቅልመት ማስላት።
ዝማኔ ፡ ኦፕሬቲዘር ክብደቶችን በትንሹ ይለውጣል።
ድገም ፡ ብዙ ኢፖክሶች። ሞዴሉ ቀስ በቀስ ይማራል።

ከምስሎች እና ከኮድ አጠገብ ያሉ ማብራሪያዎችን የያዘ ተግባራዊ ግንዛቤ ለማግኘት፣ ስለ backprop እና optimization [2] ያሉ ክላሲክ የCS231n ማስታወሻዎችን ይመልከቱ።.

የነርቭ አውታረ መረቦች ዋና ዋና ቤተሰቦች፣ በአጭሩ 🏡

የመመገቢያ አውታረ መረቦች (MLPs) ፡ በጣም ቀላሉ ዓይነት። ውሂብ ወደፊት ብቻ ነው የሚሄደው።
ኮንቮሽናል ኒውራል ኔትወርኮች (ሲኤንኤንዎች) ፡- ጠርዞችን፣ ሸካራነቶችን እና ቅርጾችን የሚለዩ የቦታ ማጣሪያዎችን በመጠቀም ለምስሎች በጣም ጥሩ ነው [2]።
ተደጋጋሚ የነርቭ አውታረ መረቦች (RNNs) እና ልዩነቶች ፡- እንደ ጽሑፍ ወይም የጊዜ ተከታታይ ላሉ ቅደም ተከተሎች የተሰራ ሲሆን የሥርዓት ስሜትን በመጠበቅ ነው [1]።
ትራንስፎርመሮች ፡- በአንድ ጊዜ በቅደም ተከተል ውስጥ ባሉ ቦታዎች ላይ ያሉ ግንኙነቶችን ለሞዴልነት ትኩረት ይስጡ፤ በቋንቋ እና ከዚያም በላይ የበላይነት አላቸው [3]።
ግራፍ የነርቭ ኔትወርኮች (GNNs) ፡- በግራፍ ኖዶች እና ጠርዞች ላይ ይሰራል - ለሞለኪውሎች፣ ለማህበራዊ አውታረ መረቦች፣ ምክር [1]።
አውቶኢንኮደሮች እና VAEዎች ፡ የተጨመቁ ውክልናዎችን ይማሩ እና ልዩነቶችን ያመነጩ [1]።
ጀነሬቲቭ ሞዴሎች ፡- ከGANዎች እስከ ስርጭት ሞዴሎች፣ ለምስሎች፣ ለድምጽ፣ ለኮድ እንኳን [1] ጥቅም ላይ ይውላሉ።

የሲኤስ231n ማስታወሻዎች በተለይ ለሲኤንኤንዎች ተስማሚ ናቸው፣ የትራንስፎርመር ወረቀት ደግሞ ትኩረትን መሰረት ያደረጉ ሞዴሎችን ለማግኘት ዋናው ምንጭ ነው [2፣ 3]።.

የንጽጽር ሰንጠረዥ፡ የተለመዱ የነርቭ አውታረ መረብ ዓይነቶች፣ ለማን እንደሆኑ፣ የዋጋ ንዝረት እና ለምን እንደሚሰሩ 📊

መሳሪያ / አይነት	ታዳሚዎች	ዋጋ-አይነት	ለምን እንደሚሰራ
መጋቢ ወደፊት (MLP)	ጀማሪዎች፣ ተንታኞች	ዝቅተኛ-መካከለኛ	ቀላል፣ ተለዋዋጭ፣ ትክክለኛ የመነሻ መስመሮች
ሲኤንኤን	የእይታ ቡድኖች	መካከለኛ	አካባቢያዊ ቅጦች + የፓራሜትር ማጋራት
አርኤንኤን / ኤልኤስቲኤም / ጂዩ	ተከታታይ ሰዎች	መካከለኛ	ጊዜያዊ ማህደረ ትውስታ… ቅደም ተከተልን ይይዛል
ትራንስፎርመር	ኤንኤልፒ፣ ባለብዙ ሞዳል	መካከለኛ-ከፍተኛ	ትኩረት በተዛማጅ ግንኙነቶች ላይ ያተኩራል
ጂኤንኤን	ሳይንቲስቶች፣ ሪሳይክሶች	መካከለኛ	የግራፎችን መልእክት ማስተላለፍ አወቃቀርን ያሳያል
አውቶኢንኮደር / VAE	ተመራማሪዎች	ዝቅተኛ-መካከለኛ	የተጨመቁ ውክልናዎችን ይማራል
GAN / ስርጭት	የፈጠራ ቤተ ሙከራዎች	መካከለኛ-ከፍተኛ	ተቃዋሚ ወይም ተደጋጋሚ የማዋረድ አስማት

ማስታወሻዎች፡ ዋጋ አሰጣጥ ስለ ስሌት እና ጊዜ ነው፤ የጉዞ ርቀትዎ ይለያያል። አንድ ወይም ሁለት ሴል ሆን ተብሎ የሚወራ ነው።.

"በ AI ውስጥ የነርቭ አውታረ መረብ ምንድን ነው?" ከክላሲካል ኤምኤል ስልተ ቀመሮች ጋር ሲነጻጸር ⚖️

የባህሪ ምህንድስና ፡ ክላሲክ ኤምኤል ብዙውን ጊዜ በእጅ በሚሠሩ ባህሪያት ላይ የተመሠረተ ነው። የነርቭ መረቦች ባህሪያትን በራስ-ሰር ይማራሉ - ለተወሳሰበ መረጃ ትልቅ ድል ነው [1]።
የውሂብ ረሃብ ፡- አውታረ መረቦች ብዙውን ጊዜ ተጨማሪ ውሂብ ሲያገኙ ያበራሉ፤ አነስተኛ ውሂብ ቀላል ሞዴሎችን ሊመርጥ ይችላል [1]።
ስሌት ፡ አውታረ መረቦች እንደ ጂፒዩ ያሉ አክስሌተሮችን ይወዳሉ [1]።
የአፈጻጸም ጣሪያ ፡- ያልተዋቀረ ውሂብ (ምስሎች፣ ኦዲዮ፣ ጽሑፍ) ለማግኘት፣ ጥልቅ መረቦች የበላይነት ይኖራቸዋል [1፣ 2]።

በተግባር የሚሰራው የሥልጠና ሂደት 🛠️

ዓላማውን ይግለጹ ፡ ምደባ፣ ወደኋላ መመለስ፣ ደረጃ ማውጣት፣ ማመንጨት - የሚዛመድ ኪሳራ ይምረጡ።
የውሂብ ውዝግብ ፡ ወደ ባቡር/ማረጋገጫ/ሙከራ ይከፋፍሉ። ባህሪያትን መደበኛ ያድርጉ። ክፍሎችን ያመዛዝኑ። ለምስሎች፣ እንደ መገልበጥ፣ ሰብሎች፣ ትናንሽ ጫጫታ ያሉ ጭማሪዎችን ያስቡበት።
የስነ-ህንፃ ምርጫ ፡ ቀላል ይጀምሩ። አስፈላጊ በሚሆንበት ጊዜ ብቻ አቅም ይጨምሩ።
የሥልጠና ዑደት ፡ ዳታውን ባች ያድርጉ። ወደፊት ማለፍ። ኪሳራውን ማስላት። የኋላ ፕሮፕ። ማዘመን። የምዝግብ ማስታወሻ መለኪያዎች።
መደበኛ ማድረግ ፡- ማቋረጥ፣ የክብደት መቀነስ፣ ቀደም ብሎ ማቆም።
ገምግም ፡ ለሃይፐርፓራሜትሮች የማረጋገጫ ስብስብን ተጠቀም። ለመጨረሻው ቼክ የሙከራ ስብስብ ያዝ።
በጥንቃቄ ይላኩ ፡- መንሸራተትን ይከታተሉ፣ አድልዎ መኖሩን ያረጋግጡ፣ መልሶ ማገገሚያዎችን ያቅዱ።

ከመጨረሻ እስከ መጨረሻ፣ በጠንካራ ቲዎሪ የተደገፉ ኮድ-ተኮር አጋዥ ስልጠናዎች፣ ክፍት የመማሪያ መጽሐፍ እና የCS231n ማስታወሻዎች አስተማማኝ መልህቆች ናቸው [1፣ 2]።.

ከመጠን በላይ መገጣጠም፣ አጠቃላይነት እና ሌሎች ግሬምሊንስ 👀

ከመጠን በላይ መገጣጠም ፦ ሞዴሉ የሥልጠና ባህሪያትን ያስታውሳል። ተጨማሪ መረጃዎችን፣ ጠንካራ መደበኛነትን ወይም ቀላል አርክቴክቸሮችን በመጠቀም ያስተካክሉ።
በቂ ያልሆነ ልብስ ፡ ሞዴሉ በጣም ቀላል ወይም በጣም አሰልቺ ነው። አቅምን ይጨምሩ ወይም ረዘም ላለ ጊዜ ያሠለጥኑ።
የውሂብ መፍሰስ ፡ ከሙከራ ስብስብ የተገኘው መረጃ ወደ ስልጠናው ሾልኮ ይገባል። ክፍተቶችዎን ሶስት ጊዜ ያረጋግጡ።
ደካማ መለኪያ ፡- እርግጠኛ የሆነ ግን የተሳሳተ ሞዴል አደገኛ ነው። መለኪያውን ወይም ሌላ የመቀነስ ክብደትን ያስቡበት።
የስርጭት ለውጥ ፡ የእውነተኛው ዓለም የውሂብ እንቅስቃሴዎች። ክትትል እና መላመድ።

አጠቃላይነትን እና መደበኛነትን በተመለከተ ንድፈ ሐሳብ ለማግኘት፣ በመደበኛ ማጣቀሻዎች ላይ ይመረኮዙ [1፣ 2]።.

ደህንነት፣ መተርጎም እና ኃላፊነት የተሞላበት ማሰማራት 🧭

የነርቭ ኔትወርኮች ከፍተኛ ደረጃ ያላቸውን ውሳኔዎች ማድረግ ይችላሉ። በመሪ ሰሌዳ ላይ ጥሩ አፈፃፀም ማሳየታቸው ብቻ በቂ አይደለም። በህይወት ዑደቱ ውስጥ የአስተዳደር፣ የመለኪያ እና የማስተካከያ እርምጃዎችን ያስፈልግዎታል። የNIST AI የአደጋ አስተዳደር ማዕቀፍ ቡድኖች የአደጋ አስተዳደርን ከዲዛይን እና ከማሰማራት ጋር ለማዋሃድ የሚረዱ ተግባራዊ ተግባራትን - አስተዳደር፣ ካርታ፣ መለኪያ፣ ማስተዳደር - ይዘረዝራል [5]።

ጥቂት ፈጣን ንክኪዎች፡

አድልዎ ፍተሻዎች ፡- ተገቢ እና ህጋዊ በሆነ ቦታ ላይ በተለያዩ የስነ-ሕዝብ ክፍሎች ላይ መገምገም።
ትርጓሜ ፡ እንደ ንፅፅር ወይም የባህሪ መገለጫዎች ያሉ ቴክኒኮችን ይጠቀሙ። ፍፁም ያልሆኑ ቢሆኑም ጠቃሚ ናቸው።
ክትትል ፡- ለድንገተኛ የሜትሪክ ጠብታዎች ወይም የውሂብ ዝውውር ማንቂያዎችን ያዘጋጁ።
የሰው ቁጥጥር ፡- ሰዎችን ለከፍተኛ ተጽዕኖ ለሚያሳድሩ ውሳኔዎች እንዲያውቋቸው ያድርጉ። ጀግንነት የለም፣ ንፅህና ብቻ።

በድብቅ የተጠየቁ ተደጋጋሚ ጥያቄዎች 🙋

የነርቭ አውታረ መረብ በመሠረቱ አንጎል ነው?

በአንጎል ተመስጦ፣ አዎ - ግን ቀለል ያለ። በኔትወርኮች ውስጥ ያሉ የነርቭ ሴሎች የሂሳብ ተግባራት ናቸው፤ ባዮሎጂካል ነርቮች ውስብስብ ተለዋዋጭነት ያላቸው ሕያው ሴሎች ናቸው። ተመሳሳይ ስሜቶች፣ በጣም የተለያዩ ፊዚክስ [1]።.

ስንት ንብርብሮች ያስፈልጉኛል?

ትንሽ ይጀምሩ። በቂ ካልሆኑ ስፋት ወይም ጥልቀት ይጨምሩ። ከመጠን በላይ የሚገጥሙ ከሆነ፣ አቅምዎን መደበኛ ያድርጉ ወይም ይቀንሱ። ምንም አስማታዊ ቁጥር የለም፤ የማረጋገጫ ኩርባዎች እና ትዕግስት ብቻ ናቸው [1]።.

ሁልጊዜ ጂፒዩ ያስፈልገኛል?

ሁልጊዜ አይደለም። አነስተኛ ዳታ ያላቸው ትናንሽ ሞዴሎች በሲፒዩዎች ሊሰለጥኑ ይችላሉ፣ ነገር ግን ለምስሎች፣ ለትላልቅ የጽሑፍ ሞዴሎች ወይም ለትላልቅ የውሂብ ስብስቦች፣ አፋጣኝ ብዙ ጊዜ ይቆጥባል [1]።.

ሰዎች ትኩረት ኃይለኛ ነው የሚሉት ለምንድን ነው?

ምክንያቱም ትኩረት ሞዴሎች በጥብቅ ቅደም ተከተል ሳይሄዱ በጣም አስፈላጊ በሆኑ የግብዓት ክፍሎች ላይ እንዲያተኩሩ ያስችላቸዋል። ዓለም አቀፍ ግንኙነቶችን ይይዛል፣ ይህም ለቋንቋ እና ለብዙ ሞዳል ተግባራት ትልቅ ጉዳይ ነው [3]።.

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

ጥልቅ ትምህርት ጥልቅ የነርቭ አውታረ መረቦችን የሚጠቀም ሰፊ አቀራረብ ነው። ስለዚህ በ AI ውስጥ የነርቭ አውታረ መረብ ምንድን ነው? ስለ ዋናው ገፀ ባህሪ መጠየቅ ነው፤ ጥልቅ ትምህርት ሙሉው ፊልም ነው [1]።

ተግባራዊ፣ ትንሽ አስተያየት የሰጡ ምክሮች 💡

ቀላል የሆኑ መሰረታዊ ነገሮችን ይምረጡ ። ትንሽ ባለብዙ ሽፋን ፐርሴፕትሮን እንኳን መረጃው መማር የሚቻል መሆኑን ሊነግርዎት ይችላል።
የውሂብ መስመርዎን እንደገና እንዲሰራ ያድርጉት ። እንደገና ማስኬድ ካልቻሉ፣ ማመን አይችሉም።
የመማሪያ ፍጥነት ከምታስቡት በላይ አስፈላጊ ነው። የጊዜ ሰሌዳ ይሞክሩ። ሞቅ ያለ ጊዜ ሊረዳ ይችላል።
የባች መጠን ልይይቶች አሉ። ትላልቅ ባችዎች ቅልመቶችን ያረጋጋሉ ነገር ግን በተለየ መንገድ ሊያጠቃልሉ ይችላሉ።
ግራ ሲጋቡ፣ የሴራ ቅነሳ ኩርባዎች እና የክብደት መመዘኛዎች ። መልሱ በሴራዎቹ ውስጥ ምን ያህል ጊዜ እንደሚገኝ ይገረማሉ።
ግምቶችን ይመዝግቡ። የወደፊት - ነገሮችን ትረሳለህ - በፍጥነት [1፣ 2]።.

ጥልቅ ዘልቆ መግባት፡ የመረጃ ሚና፣ ወይም ቆሻሻ አሁንም ውስጥ ለምን ቆሻሻ መውጣት ማለት ነው 🗑️➡️✨

የነርቭ ኔትወርኮች የተሳሳቱ መረጃዎችን በአስማት አያስተካክሉም። የተሳሳቱ መለያዎች፣ የማብራሪያ ስህተቶች ወይም ጠባብ ናሙናዎች ሁሉም በሞዴሉ ውስጥ ያስተጋባሉ። ይመርምሩ፣ ይመርምሩ እና ያሳድጉ። እና ተጨማሪ ውሂብ ወይም የተሻለ ሞዴል እንደሚያስፈልግዎ እርግጠኛ ካልሆኑ፣ መልሱ ብዙውን ጊዜ የሚያበሳጭ ነው፡ ሁለቱም - ነገር ግን በውሂብ ጥራት ይጀምሩ [1]።.

"በ AI ውስጥ የነርቭ አውታረ መረብ ምንድን ነው?" - እንደገና ጥቅም ላይ ሊውሉ የሚችሉ አጭር ትርጓሜዎች 🧾

የነርቭ አውታረ መረብ የግራዲየንት ምልክቶችን በመጠቀም ክብደቶችን በማስተካከል ውስብስብ ቅጦችን የሚማር የተደራረበ የተግባር ግምታዊ መሳሪያ ነው [1፣ 2]።.
በተከታታይ ቀጥተኛ ባልሆኑ ደረጃዎች ግብዓቶችን ወደ ውጤቶች የሚቀይር ስርዓት ሲሆን ኪሳራን ለመቀነስ የሰለጠነ ነው [1]።.
እንደ ምስሎች፣ ጽሑፍ እና ድምጽ ባሉ ያልተዋቀሩ ግብዓቶች ላይ የሚያድግ ተለዋዋጭ፣ መረጃ የሚፈልግ የሞዴሊንግ አቀራረብ ነው [1፣ 2፣ 3]።.

በጣም ረጅም፣ አላነበብኩም እና የመጨረሻ አስተያየቶች 🎯

በ AI ውስጥ የነርቭ አውታረ መረብ ምንድን ነው ብሎ ቢጠይቅዎት የድምፅ ንክሻው ይኸውና፡ የነርቭ አውታረ መረብ የውሂብ ደረጃ በደረጃ የሚቀይሩ፣ ኪሳራን በመቀነስ እና ቅልጥፍናዎችን በመከተል ለውጡን የሚማሩ ቀላል አሃዶች ስብስብ ነው። ኃይለኛ ናቸው ምክንያቱም ስለሚለኩ፣ ባህሪያትን በራስ-ሰር ስለሚማሩ እና በጣም ውስብስብ ተግባራትን ሊወክሉ ስለሚችሉ [1፣ 4]። የውሂብ ጥራትን፣ አስተዳደርን ወይም ክትትልን ችላ ካሉ አደገኛ ናቸው [5]። እና አስማታዊ አይደሉም። ሂሳብ፣ ስሌት እና ጥሩ ምህንድስና ብቻ - በትንሽ ጣዕም።

ተጨማሪ ንባብ፣ በጥንቃቄ የተመረጡ (ጥቅሶችን የማይጠቅሱ ተጨማሪዎች)

የስታንፎርድ CS231n ማስታወሻዎች - በቀላሉ የሚቀረብ እና ተግባራዊ፦ https://cs231n.github.io/
DeepLearningBook.org - ቀኖናዊ ማጣቀሻ ፡ https://www.deeplearningbook.org/
የNIST AI የአደጋ አስተዳደር ማዕቀፍ - ኃላፊነት ያለው የAI መመሪያ ፡ https://www.nist.gov/itl/ai-risk-management-framework
“ትኩረት የሚያስፈልግህ ብቻ ነው” - የትራንስፎርመር ወረቀት ፡ https://arxiv.org/abs/1706.03762

ማጣቀሻዎች

[1] ጉድፌሎው፣ አይ.፣ ቤንጂዮ፣ ዋይ.፣ እና ኮርቪል፣ ኤ. ዲፕ ለርኒንግ ። MIT Press። ነፃ የመስመር ላይ ስሪት ፡ ተጨማሪ ያንብቡ

[2] Stanford CS231n። ለእይታ እውቅና ኮንቮሽናል ነርቭ ኔትወርኮች (የኮርስ ማስታወሻዎች) ፡ ተጨማሪ ያንብቡ

[3] ቫስዋኒ፣ ኤ.፣ ሻዚር፣ ኤን.፣ ፓርማር፣ ኤን.፣ እና ሌሎችም (2017)። ትኩረት የሚያስፈልግህ ብቻ ነው ። ኒውሮአይፒኤስ። arXiv ፡ ተጨማሪ ያንብቡ

[4] ሳይቤንኮ፣ ጂ. (1989)። የሲግሞይዳል ተግባር ሱፐርፖዚሽንስ ግምት ። የቁጥጥር፣ የሲግናሎች እና ስርዓቶች ሂሳብ ፣ 2፣ 303–314። ስፕሪንገር ፡ ተጨማሪ ያንብቡ

[5] NIST። የAI ስጋት አስተዳደር ማዕቀፍ (AI RMF) : ተጨማሪ ያንብቡ

የቅርብ ጊዜውን የ AI ኦፊሴላዊ የ AI ረዳት መደብር ያግኙ

ስለ እኛ

ወደ ጦማር ተመለስ

አገር/ክልል