Ын Анналин, Су Кеннет



Download 10,36 Mb.
Pdf ko'rish
bet65/90
Sana25.02.2022
Hajmi10,36 Mb.
#268392
1   ...   61   62   63   64   65   66   67   68   ...   90
Bog'liq
Теоретический минимум Big Data Всё, что нужно знать о больших данных

Улучшенные алгоритмы. Хотя машинам все еще труд-
но тягаться по производительности с человеческим 
мозгом, некоторые разработанные методы позволили 
значительно улучшить их производительность. Часть 
таких методов будет рассмотрена в данной главе.
Автоматическое распознавание изображений являет-
ся поразительным примером способностей нейронных 
сетей. Его применяют во множестве областей, включая 
видеонаблюдение и беспилотные транспортные средства. 
Оно даже используется в приложениях для смартфонов 
для распознания рукописного ввода. Давайте посмотрим, 
как происходит обучение нейронных сетей.
11.2. Пример: распознавание 
рукописных цифр
Мы воспользовались рукописными цифрами из базы 
данных MNIST, предоставляемой американским Нацио-
нальным институтом стандартов и технологий. При-
меры цифр показаны на рис. 2.
Чтобы компьютер мог работать с изображениями, их пре-
жде всего нужно представить в виде пикселов. Черным 
пикселам присваивается значение 0, а белым — 1, как 
показано на рис. 3. Если изображение цветное, можно 
было бы работать со значениями цветовой модели RGB 
(красный, зеленый, синий).


11.2. Пример: распознавание рукописных цифр
153
Рис. 2. Рукописные цифры из базы данных MNIST
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 
1 1 1 
0 0 0 0 0 
0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0
0 0 0 0 0 0 
1 1 1 
0 0 0 0 0 0 0 
0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0
0 0 0 0 0 
1 1 
0 0 0 0 0 0 0 0 0 
0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0
0 0 0 0 
1 1 
0 0 0 0 0 0 0 0 0 0 
0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0
0 0 0 0 

0 0 0 0 0 0 0 0 0 0 0 
0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0
0 0 0 
1 1 
0 0 0 0 0 0 0 0 0 0 0 
0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0
0 0 0 

0 0 0 0 0 0 0 0 0 0 0 0 
0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 

0 0 
1 1 1 1 1 1 
0 0 0 0 
0 0 0 1 0 0 1 1 1 1 1 1 0 0 0 0
0 0 0 


1 1 
0 0 0 0 
1 1 
0 0 0 
0 0 0 1 0 1 1 0 0 0 0 1 1 0 0 0
0 0 0 
1 1 1 
0 0 0 0 0 0 

0 0 0 
0 0 0 1 1 1 0 0 0 0 0 0 1 0 0 0
0 0 0 
1 1 1 
0 0 0 0 0 0 

0 0 0 
0 0 0 1 1 1 0 0 0 0 0 0 1 0 0 0
0 0 0 0 
1 1 
0 0 0 0 0 
1 1 
0 0 0 
0 0 0 0 1 1 0 0 0 0 0 1 1 0 0 0
0 0 0 0 0 
1 1 
0 0 0 
1 1 
0 0 0 0 
0 0 0 0 0 1 1 0 0 0 1 1 0 0 0 0
0 0 0 0 0 0 
1 1 1 1 1 
0 0 0 0 0 
0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Download 10,36 Mb.

Do'stlaringiz bilan baham:
1   ...   61   62   63   64   65   66   67   68   ...   90




Ma'lumotlar bazasi mualliflik huquqi bilan himoyalangan ©hozir.org 2024
ma'muriyatiga murojaat qiling

kiriting | ro'yxatdan o'tish
    Bosh sahifa
юртда тантана
Боғда битган
Бугун юртда
Эшитганлар жилманглар
Эшитмадим деманглар
битган бодомлар
Yangiariq tumani
qitish marakazi
Raqamli texnologiyalar
ilishida muhokamadan
tasdiqqa tavsiya
tavsiya etilgan
iqtisodiyot kafedrasi
steiermarkischen landesregierung
asarlaringizni yuboring
o'zingizning asarlaringizni
Iltimos faqat
faqat o'zingizning
steierm rkischen
landesregierung fachabteilung
rkischen landesregierung
hamshira loyihasi
loyihasi mavsum
faolyatining oqibatlari
asosiy adabiyotlar
fakulteti ahborot
ahborot havfsizligi
havfsizligi kafedrasi
fanidan bo’yicha
fakulteti iqtisodiyot
boshqaruv fakulteti
chiqarishda boshqaruv
ishlab chiqarishda
iqtisodiyot fakultet
multiservis tarmoqlari
fanidan asosiy
Uzbek fanidan
mavzulari potok
asosidagi multiservis
'aliyyil a'ziym
billahil 'aliyyil
illaa billahil
quvvata illaa
falah' deganida
Kompyuter savodxonligi
bo’yicha mustaqil
'alal falah'
Hayya 'alal
'alas soloh
Hayya 'alas
mavsum boyicha


yuklab olish