C-nn (Convolutional Neural Networks, ConvNet)

To'rtburchaklar qo'shnisining o'rtacha ko'rsatkichi, to'rtburchaklar qo'shni uchun L2 normasi va markaz pikselidan masofaga asoslangan o'rtacha og'irlik kabi bir nechta birlashtirish funktsiyalari mavjud. Biroq, eng ommabop jarayon maksimal birlashma bo'lib, u atrof-muhitdan maksimal chiqish haqida xabar beradi.

Agar bizda W x W x D o'lchamdagi faollashtirish xaritasi mavjud bo'lsa, u F bo'shliq o'lchamidagi yadroni va S qadamini birlashtiradi, u holda chiqish hajmining o'lchamini quyidagi formula bilan aniqlash mumkin:

Agar bizda W x W x D o'lchamdagi faollashtirish xaritasi mavjud bo'lsa, u F bo'shliq o'lchamidagi yadroni va S qadamini birlashtiradi, u holda chiqish hajmining o'lchamini quyidagi formula bilan aniqlash mumkin:

Bu yerda,
- chiqish qatlami o’lchami
W – kirish qarlami o’lchami
F – fazoviy o’lcham
S - qadamlar
Bu chiqish hajmini Wout x Wout x D sifatida hisoblab chiqadi.Barcha holatlarda birlashma tarjimaning o'zgarmasligini ta'minlaydi, ya'ni ob'ekt ramkaning qayerda paydo bo'lishidan qat'i nazar, taniqli bo'ladi.

To'liq bog'langan qatlam

Ushbu qatlamdagi neyronlar odatdagi FCNN (Fully-Connected Convolutional Neural Network) da ko'rsatilganidek, avvalgi va keyingi qatlamning barcha neyronlari bilan to'liq bog'langan. Shuning uchun uni odatdagidek, matritsalarni ko'paytirish va undan keyin tarafkashlik effekti bilan hisoblash mumkin.

To'liq bog'langan qatlam kirish va chiqish o'rtasidagi ko'rinishni xaritalashda yordam beradi.

#include

#include

using namespace std;

int n=0;

int a[100], b[100];

int main(){

cin >> n;

for (int i = 0; i < n; i++) {

cin >> a[i];

b[a[i]]++;

}

for (int i = 0; i < 100; i++) {

for (int j = 0; j < b[i]; j++) {

cout << i << " ";

}

}

return 0;

}