Halo! Posting pertama tentang Habré dan langsung menjadi topik hardcore tentang topik hari ini. Saya pikir banyak pengembang kecerdasan buatan untuk memecahkan masalah terapan bertanya-tanya arsitektur neuron mana yang paling efektif dalam konteks tugas tertentu. Saya akan segera membuat reservasi bahwa contoh yang diberikan dikembangkan oleh staf Universitas Kecerdasan Buatan. Tapi saya, sebagai peserta dalam intensif mereka, beruntung menguji arsitektur mereka dan mengumpulkan statistik yang berguna tentang keefektifannya.
1. Pengakuan nomor tulisan tangan
Mari kita mulai dengan arsitektur yang paling sederhana. Jaring ini terdiri dari satu masukan dan 3 lapisan yang terhubung sepenuhnya:
Kisi sederhana ini menunjukkan hasil yang sangat baik selama pelatihan. Akurasi sampel latih 99,4%, sedangkan sampel uji 98,5%. Dan ini dalam 2,57 detik! Lanjutkan.
2. Pengakuan merek mobil
Grid kedua lebih berat, tetapi tugasnya lebih ambisius. Untuk percobaan, foto diambil dari tiga merek - Renault, Mercedes dan Ferrari. Model terdiri dari beberapa lapisan berikut:
"" , . 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 .
Contoh arsitektur yang diberikan selama pengujian menunjukkan hasil yang baik dan dapat diterapkan dalam memecahkan masalah praktis. Untuk masing-masing model, sekitar 20-30 pengujian dilakukan untuk mengubah parameternya. Mungkin dalam publikasi berikut saya akan memberikan rentang pengujian terperinci untuk model yang disajikan. Terima kasih atas perhatian Anda!