محرك معالجة البيانات الجديد يجعل الشبكات العصبية العميقة أكثر ذكاءً

"يعد تطبيع الميزات عنصرًا مهمًا في تدريب الشبكات العصبية العميقة والاهتمام بها

وظائف لا تقل أهمية للمساعدةيوضح تيانفو وو، الأستاذ المساعد في الهندسة الكهربائية وهندسة الكمبيوتر في ولاية نورث كارولاينا، "الشبكات لتسليط الضوء على الميزات المستخرجة من البيانات الأولية الأكثر أهمية لإنجاز المهام". "ولكن في الغالب تمت معالجتها بشكل منفصل. لقد وجدنا أن الجمع بينهما جعلها أكثر كفاءة وفعالية.

لاختبار وحدة AN الخاصة بك ،قام الباحثون بتوصيله بأربعة بنى للشبكات العصبية الأكثر استخدامًا: ResNets و DenseNets و MobileNetsV2 و AOGNets. ثم اختبروا الشبكات مقابل مقياسين قياسيين في الصناعة: اختبار تصنيف ImageNet-1000 واكتشاف الكائنات وتجزئة المثيل 2017 اختبار MS-COCO.

"وجدنا أن الأداء المحسنقال وو. "على سبيل المثال ، تحسنت دقة Top-1 في ImageNet-1000 بنسبة 0.5-2.7٪. زاد متوسط ​​دقة الدقة (AP) إلى 1.8٪ للصندوق المحيط و 2.2٪ للقناع الدلالي في MS-COCO. ميزة أخرى لـ AN هي أنها تسهل نقل التعلم بشكل أفضل بين المجالات المختلفة. على سبيل المثال ، من تصنيف الصور في ImageNet إلى اكتشاف الكائنات والتجزئة الدلالية في MS-COCO. ويتضح هذا من خلال تحسين الأداء في معيار MS-COCO ، والذي تم الحصول عليه من خلال ضبط الشبكات العصبية العميقة التي سبق تدريبها بواسطة ImageNet في MS-COCO. "

استنتج العلماء: "لقد أصدرنا شفرة المصدر ونأمل أن يؤدي AN لدينا إلى تصميم تكاملي أفضل للشبكات العصبية العميقة".

اقرأ أيضا

تبين أن نهر Doomsday الجليدي أكثر خطورة مما اعتقد العلماء. نقول الشيء الرئيسي

ظهر دليلان على وجود حياة خارج كوكب الأرض في وقت واحد. واحد على كوكب الزهرة والآخر - لا أحد يعرف أين

اتضح أن أقمار أورانوس أشبه بالكواكب