Conţinut
- Definiție - Ce înseamnă Rețeaua Neurală Deconvolutională (DNN)?
- O introducere în Microsoft Azure și Microsoft Cloud | În acest ghid, veți afla despre ce este vorba despre cloud computing și despre cum Microsoft Azure vă poate ajuta să migrați și să conduceți afacerea din cloud.
- Techopedia explică Rețeaua Neurală Deconvolutională (DNN)
Definiție - Ce înseamnă Rețeaua Neurală Deconvolutională (DNN)?
O rețea neuronală deconvolutivă este o rețea neuronală care realizează un model de convoluție inversă. Unii experți se referă la activitatea unei rețele neuronale deconvolutive ca la construcția straturilor dintr-o imagine în direcție ascendentă, în timp ce alții descriu modelele deconvolutive ca „inginerie inversă” parametrii de intrare ai unui model de rețea neuronală convolutivă.
Rețelele neuronale deconvoluționale sunt de asemenea cunoscute sub numele de rețele deconvolutive, deconvute sau rețele neuronale convoluționale transpuse.
O introducere în Microsoft Azure și Microsoft Cloud | În acest ghid, veți afla despre ce este vorba despre cloud computing și despre cum Microsoft Azure vă poate ajuta să migrați și să conduceți afacerea din cloud.
Techopedia explică Rețeaua Neurală Deconvolutională (DNN)
Rețelele neuronale deconvoluționale pot fi descrise în mai multe moduri diferite. Multe dintre aceste instrumente folosesc aceleași tipuri de filtre ca și rețelele neuronale convoluționale, dar le folosesc diferit. Profesioniștii folosesc idei precum backpropagation și filtrare inversă, împreună cu tehnici precum striding și placare pentru a construi modele convolutive transpuse.
Într-un sens foarte simplist, s-ar putea spune că profesioniștii pot „derula un CNN înapoi”, dar mecanica reală a rețelelor neuronale deconvolutive este mult mai sofisticată. O altă parte a rețelelor neuronale convolutive și deconvoluționale implică crearea unei ierarhii - de exemplu, un model de rețea inițial ar putea face învățarea primară și un alt model ar putea segmenta vizual imaginea țintă. În general, DNN implică cartografierea matricilor valorilor de pixeli și rularea unui „selector de caracteristici” sau un alt instrument peste o imagine. Toate acestea servesc scopului de formare a programelor de învățare a mașinilor, în special în procesarea imaginilor și viziunea computerului.