Olá! O primeiro post sobre Habré e imediatamente um tópico hardcore no tópico do dia. Acho que muitos desenvolvedores de inteligência artificial para resolver problemas aplicados se perguntaram quais arquiteturas de neurônios são mais eficazes no contexto de tarefas específicas. De imediato, farei uma reserva que os exemplos dados foram desenvolvidos pelo corpo docente da Universidade de Inteligência Artificial. Mas eu, como participante do intensivo, tive a sorte de testar suas arquiteturas e coletar estatísticas úteis sobre sua eficácia.
1. Reconhecimento de números escritos à mão
Vamos começar com a arquitetura mais simples. Esta malha consiste em uma entrada e 3 camadas totalmente conectadas:
Esta grade simples mostrou resultados muito bons durante o treinamento. A precisão na amostra de treinamento foi de 99,4%, enquanto na amostra de teste foi de 98,5%. E isso em 2,57 segundos! Continue.
2. Reconhecimento da marca do carro
A segunda grade é mais pesada, mas a tarefa era mais ambiciosa. Para o experimento, foram tiradas fotos de três marcas - Renault, Mercedes e Ferrari. O modelo consiste nas seguintes camadas:
"" , . 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 .
Os exemplos de arquiteturas fornecidos durante os testes mostraram bons resultados e podem ser aplicados na resolução de problemas práticos. Para cada um dos modelos, cerca de 20-30 testes foram realizados para alterar seus parâmetros. Talvez nas publicações a seguir forneça intervalos de teste detalhados para os modelos apresentados. Obrigado pela atenção!