salut! Le premier post sur Habré et tout de suite un sujet hardcore sur le sujet du jour. Je pense que de nombreux développeurs d'intelligence artificielle pour résoudre des problèmes appliqués se sont demandé quelles architectures de neurones sont les plus efficaces dans le cadre de tâches spécifiques. Je vais tout de suite réserver que les exemples donnés ont été développés par le personnel de l'Université d'Intelligence Artificielle. Mais moi, en tant que participant à leur intensif, j'ai eu la chance de tester leurs architectures et de collecter des statistiques utiles sur leur efficacité.
1. Reconnaissance des chiffres manuscrits
Commençons par l'architecture la plus simple. Ce maillage se compose d'une entrée et de 3 couches entièrement connectées:
Cette grille simple a montré de très bons résultats pendant l'entraînement. La précision sur l'échantillon d'apprentissage était de 99,4%, tandis que sur l'échantillon de test, elle était de 98,5%. Et cela en 2,57 secondes! Aller de l'avant.
2. Reconnaissance de la marque automobile
La deuxième grille est plus lourde, mais la tâche était plus ambitieuse. Pour l'expérience, des photographies ont été prises de trois marques - Renault, Mercedes et Ferrari. Le modèle se compose des couches suivantes:
"" , . 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 .
Les exemples d'architectures donnés lors des tests ont montré de bons résultats et peuvent être appliqués pour résoudre des problèmes pratiques. Pour chacun des modèles, environ 20 à 30 tests ont été effectués pour modifier leurs paramètres. Dans les publications suivantes, je donnerai peut-être des plages de test détaillées pour les modèles présentés. Merci de votre attention!