আমি নীচের নিউরাল নেটওয়ার্কের চিট শীটটি পেয়েছি ( এআই, নিউরাল নেটওয়ার্কস, মেশিন লার্নিং, ডিপ লার্নিং এবং বড় ডেটাগুলির জন্য চিট শিট )।
এই সমস্ত ধরণের নিউরাল নেটওয়ার্কগুলির জন্য কী ব্যবহার করা হয়? উদাহরণস্বরূপ, কোন নিউরাল নেটওয়ার্কগুলি রিগ্রেশন বা শ্রেণিবিন্যাসের জন্য ব্যবহার করা যেতে পারে, যা সিকোয়েন্স জেনারেশন ইত্যাদির জন্য ব্যবহার করা যেতে পারে? আমার কেবল তাদের অ্যাপ্লিকেশনগুলির একটি সংক্ষিপ্ত ওভারভিউ (1-2 টি লাইন) প্রয়োজন।
উত্তর:
আমি সম্মতি দিচ্ছি যে এটি খুব বিস্তৃত, তবে তাদের বেশিরভাগের জন্য এখানে 1 টি বাক্য উত্তর রয়েছে। আমি বাদ দিয়েছি (চার্টের নীচে থেকে) খুব আধুনিক, এবং খুব বিশেষজ্ঞ। আমি তাদের সম্পর্কে খুব বেশি জানি না, তাই সম্ভবত যে কেউ এই উত্তরটি উন্নত করতে পারে।
ডিপ কনভোলিউশনাল নেটওয়ার্ক: ফিড-ফরোয়ার্ড নেটওয়ার্কের মতো তবে প্রতিটি নোড হ'ল একটি নোডের ব্যাংক যা তার আগে স্তর থেকে একটি কনভলিউশন শিখছে। এটি এটিকে মূলত ফিল্টার, প্রান্ত সনাক্তকারী এবং ভিডিও এবং অডিও প্রক্রিয়াকরণে আগ্রহের অন্যান্য নিদর্শনগুলি শিখতে দেয়।
ডিপ ডিকনভোলিউশনাল নেটওয়ার্ক: কোনও অর্থে কনভোলিউশনাল নেটওয়ার্কের বিপরীতে। এমন বৈশিষ্ট্যগুলি থেকে ম্যাপিং শিখুন যা প্রান্ত বা কিছু অদেখা চিত্রের অন্যান্য উচ্চ স্তরের বৈশিষ্ট্যগুলি উপস্থাপন করে, পিক্সেল স্পেসে ফিরে। সংক্ষিপ্তসারগুলি থেকে চিত্রগুলি তৈরি করুন।
ডিসিআইজিএন: মূলত ডিসিএন এবং একটি ডিএন দিয়ে তৈরি একটি অটো-এনকোডার এক সাথে আটকে থাকে। মুখের মতো জটিল চিত্রগুলির জন্য জেনারেটাল মডেলগুলি শিখতে ব্যবহৃত হয়।
জেনারেটর অ্যাডভারসিয়াল নেটওয়ার্ক: যখন কোনও ডিসিআইজিএন-এর জন্য পর্যাপ্ত প্রশিক্ষণের ডেটা উপলব্ধ না হয় তখন জটিল চিত্রগুলির (বা অন্যান্য ডেটা ধরণের) জেনারেটাল মডেলগুলি শিখতে ব্যবহৃত হয়। একটি মডেল এলোমেলো গোলমাল থেকে ডেটা উত্পন্ন করতে শেখে, এবং অন্যটি প্রথম নেটওয়ার্কের আউটপুটটিকে প্রশিক্ষণ ডেটা উপলভ্য যে কোনও তথ্য থেকে পৃথক হিসাবে শ্রেণীবদ্ধ করতে শেখে।