Neyron tarmoqlari yordamida tasvirlarni siqish algoritmi

// Уменьшаем коэффициент скорости обучения на 2 trainer.LearningRate /= 2; if (trainer.LearningRate < 0.001) trainer.LearningRate = 0.001; } prErr = error; } // Любуемся полученными результатами double[] result; result = net.Compute(new double[] { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 }); result = net.Compute(new double[] { 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 }); result = net.Compute(new double[] { 1, 1, 1, 1, 1, 0, 0, 0, 0, 0 }); result = net.Compute(new double[] { 0, 0, 0, 0, 0, 1, 1, 1, 1, 1 }); } } }

• // Уменьшаем коэффициент скорости обучения на 2 trainer.LearningRate /= 2; if (trainer.LearningRate < 0.001) trainer.LearningRate = 0.001; } prErr = error; } // Любуемся полученными результатами double[] result; result = net.Compute(new double[] { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 }); result = net.Compute(new double[] { 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 }); result = net.Compute(new double[] { 1, 1, 1, 1, 1, 0, 0, 0, 0, 0 }); result = net.Compute(new double[] { 0, 0, 0, 0, 0, 1, 1, 1, 1, 1 }); } } }

• Xulosa
• Biz tasvirni siqishda chuqur o‘rganishni qo‘llashning yangi usulini ko‘rib chiqdik va neyron tarmoqlardan tasvirlarni tasniflash va tilni qayta ishlash kabi “umumiy” vazifalardan tashqari vazifalarda foydalanish imkoniyatlari haqida gaplashdik. Bu usul nafaqat zamonaviy talablardan kam emas, balki tasvirlarni ancha tezroq qayta ishlash imkonini beradi.