konkvolutsioonivõrgud

Konkvolutsioonivõrgud, tuntud ka kui konvolutsioonilised närvivõrgud (CNN), on teatud tüüpi süvaõppe närvivõrgud, mida kasutatakse peamiselt piltide ja muude ruumiliste andmete töötlemiseks. Nende arhitektuur on inspireeritud bioloogilisest nägemisajukoorest, kus üksikud neuronid reageerivad konkreetsetele stiimulitele, mis asuvad nende retseptiivsetes väljades.

Peamine erinevus konvolutsioonivõrkude ja tavaliste täielikult ühendatud närvivõrkude vahel seisneb nende kihistruktuuris. Konvolutsioonivõrgud kasutavad spetsiaalseid kihte, nagu konvolutsioonikihid, puhverkihtid ja täielikult ühendatud kihid. Konvolutsioonikihid rakendavad sisendandmetele filtreid, et tuvastada erinevaid tunnuseid, nagu servad, nurgad või tekstuurid. Need filtrid liiguvad üle sisendi, rakendades sama operatsiooni igas kohas, mis võimaldab võrgul õppida ruumilisi hierarhiaid. Puhverkihtide, näiteks maksimaalse puhverdamise, eesmärk on vähendada andmete ruumilist mõõdet ja suurendada võrgu robustsust väikeste nihgete suhtes. Täielikult ühendatud kihid, mis tavaliselt asuvad lõpus, kasutavad eelnevalt eraldatud tunnuseid lõpliku klassifitseerimise või regressiooni jaoks.

Konvolutsioonivõrkude peamine eelis on nende võime automaatselt õppida andmetest olulisi tunnuseid, ilma et oleks vaja käsitsi tunnuste väljavõtmist. See muudab need eriti tõhusaks keerulistes ülesannetes nagu pildiklassifitseerimine, objektide tuvastamine, piltide segmentimine ja isegi looduskeele töötlemine. Nende laialdane kasutus tehisintellekti rakendustes, eriti arvutinägemise valdkonnas, on toonud kaasa märkimisväärseid edusamme.