অভিযোজিত সংকেত প্রক্রিয়াকরণ / মেশিন লার্নিংয়ের ক্ষেত্রে, ডিপ লার্নিং (ডিএল) একটি বিশেষ পদ্ধতি যা আমরা মেশিনগুলিকে জটিল উপস্থাপনা প্রশিক্ষণ দিতে পারি।
সাধারণত, তাদের এমন একটি সূত্র রয়েছে যা আপনার ইনপুট ম্যাপ করতে পারে, লক্ষ্যমাত্রার সমস্ত দিক পর্যন্ত, y , ক্রমবর্ধমান স্তরে স্তরে সজ্জিত (এইখান থেকেই 'গভীর' থেকে আসে) ক্রিয়াকলাপগুলি। এই অপারেশনগুলি সাধারণত লিনিয়ার অপারেশন / প্রজেকশন ( ডাব্লু i ) হয়, এর পরে একটি অ-লিনিয়ারিটি থাকে ( চ i ), এরকম:এক্সYওয়াটআমিচআমি
y = fএন( । । । চ2( চ)1( এক্সটিওয়াট1) ডাব্লু2) । । । ওয়াটএন)
ডিএল-র মধ্যে এখন অনেকগুলি বিভিন্ন আর্কিটেকচার রয়েছে : এই জাতীয় একটি স্থাপত্যটি কনভ্যুশনাল নিউরাল নেট (সিএনএন) হিসাবে পরিচিত । আর একটি আর্কিটেকচার মাল্টি-লেয়ার পার্সেপট্রন , (এমএলপি), ইত্যাদি নামে পরিচিত ।
কোনও এমএলপি সম্ভবত একটি প্রচলিত ধরণের ডিএল আর্কিটেকচারের মধ্যে একটি খুঁজে পেতে পারে এবং এটি যখন আগের স্তরের প্রতিটি উপাদান পরবর্তী স্তরের প্রতিটি উপাদানের সাথে সংযুক্ত থাকে। দেখে মনে হচ্ছে:
ওয়াটআমিডব্লিউ ∈ আর10 x 20v ∈ আর10 এক্স 1u ∈ R1 এক্স 20u = vটিওয়াটওয়াট পরবর্তী স্তর উপাদানসমূহ।
এমএলপিগুলি তখন অংশীদার হয়ে পড়েছিল, কারণ তাদের প্রশিক্ষণ দেওয়া শক্ত ছিল। যদিও এই অসুবিধার জন্য অনেকগুলি কারণ রয়েছে, তার মধ্যে একটি কারণ তাদের ঘন সংযোগগুলি বিভিন্ন কম্পিউটার দৃষ্টি সমস্যার জন্য সহজেই স্কেল করতে দেয় নি। অন্য কথায়, তাদের কাছে অনুবাদ-সমতুল্যতা বেক করা হয়নি This এর অর্থ হ'ল যদি চিত্রটির একটি অংশে তাদের সংবেদনশীল হওয়ার দরকার হয় তবে তাদের সংবেদনশীল হতে হবে কীভাবে তা পুনরায় শিখতে হবে যদি যে সংকেত প্রায় সরানো। এটি নেটটির সক্ষমতা নষ্ট করে, এবং তাই প্রশিক্ষণ শক্ত হয়ে যায়।
এখানেই সিএনএন এসেছিল! এখানে দেখতে যেমনটি দেখা যাচ্ছে:
ওয়াটআমি
"সিএনএনস" জালগুলিকে জাল দিয়ে বোঝা যায় যে আমাদের পুরো নেট জুড়ে কনভোলজিনাল স্তর রয়েছে এবং এমএলপিগুলি খুব শেষে রয়েছে, তাই এটি সম্পর্কে সচেতন হওয়া একটি সতর্কতা।
