Neokognitron

Az oldal jelenlegi verzióját még nem ellenőrizték tapasztalt hozzászólók, és jelentősen eltérhet a 2014. szeptember 3-án felülvizsgált verziótól ; az ellenőrzések 15 szerkesztést igényelnek .

A neokognitron ( eng.  Neocognitron ) egy hierarchikus, többrétegű mesterséges neurális hálózat , konvolúciós típus, amely a kognitronból származik, és Kunihika Fukushima (1980) javaslata szerint robusztus mintafelismerésre képes, és általában a „felügyelet nélküli tanulás ” elvén van kiképezve . Ezt a típusú hálózatot gyakran használják kézírás-felismerésre és OCR -re is, amelyek erősen torz vagy zajos szerkezetű képek. A prototípus hálózatot a Hubel és Wiesel (1959) által javasolt modellből vettük át , amely szerint az elsődlegesben kétféle cella létezik.vizuális kéreg : egyszerű és összetett sejtek kaszkádba rendezve. A neokognitron lépcsőzetes S-típusú (egyszerű, eng.  simple ) és C-típusú (komplex, eng.  complex ) neuronokból is áll. A hálózat működése során a kép helyi jellemzőit S-típusú cellák segítségével kinyerjük, a jellemzőtorzulásokat, mint például az eltolást pedig C-típusú cellák kompenzálják. [1] A helyi jellemzőket a bemeneten szakaszosan általánosítják, és a végső osztályozást a végső rétegekben hajtják végre. A helyi jellemzők általánosításának hasonló ötleteit a LeNet és a SIFT hálózatokban is alkalmazzák .

Hogyan működik

Különbségek a kognitrontól

A kognitron és a neokognitron bizonyos hasonlóságokat mutat, de alapvető különbségek is vannak közöttük a szerzők kutatásának alakulása kapcsán. Mindkét minta réteges hierarchikus hálózat , amely a vizuális kéreghez hasonlóan szerveződik. Ugyanakkor a neokognitron jobban konzisztens a látórendszer Hubel DH és Wiesel TN munkájában [2] leírt modelljével, ennek eredményeként a neokognitron sokkal erősebb paradigma a felismerési képesség szempontjából. képeket , függetlenül azok átalakításától, elforgatásától, torzulásától és léptékváltozásától. A kognitronhoz hasonlóan a neokognitron önszerveződést alkalmaz a tanulási folyamatban, bár leírtak egy olyan változatot [3] , amely ehelyett felügyelt tanulást használt. [négy]

Oktatási módszertan

A neokognitron fajtái

Különféle típusú neokognitronok léteznek. [5] Például bizonyos típusú neokognitronok több mintát is képesek észlelni ugyanabban a bemenetben, visszacsatolási jeleket használva a szelektív figyelem elérése érdekében. [6]

Jegyzetek

  1. ↑ Jared Dean. Big Data, adatbányászat és gépi tanulás . - Wiley, 2014. - ISBN 978-1118618042 . Archiválva : 2021. szeptember 9. a Wayback Machine -nél
  2. ↑ Hubel DH, Wiesel TN Receptív mezők, binokuláris interakció és funkcionális architektúra a macska látókérgében. Fiziológiai Közlemények 160:106–54. – 1962.
  3. ↑ Fukushima K., Miyake S., Takayuki I. Neokognitron: Neurális hálózati modell a vizuális mintafelismerés mechanizmusához. IEEE Transaction on Systems, Man and Cybernetics SMC–13(5):826–34. – 1983.
  4. ↑ F. Wasserman. Neuroszámítógép technológia: elmélet és gyakorlat. Orosz nyelvű fordítás, Yu. A. Zuev, V. A. Tochenov. – 1992.
  5. ↑ Fukushima 2007
  6. ↑ Fukushima 1987, 81., 85. o

Linkek

 A mesterséges neurális hálózatok típusai