Google zna da su snovi neuronska mreža

Umjetna neuronska mreža Google stvorio simulirati ljudski mozak. Ova tehnika omogućuje prepoznati i analizirati različite slike. Nakon što su programeri pojavili zanimljivo pitanje: što bi se dogodilo da je robot bio u stanju sanjati? Takav čudno pitanje ne dolazi niotkuda. To je dio projekta stvaranja Slike Deep san.

„Duboko san”

Programeri staviti pred određenu svrhu softvera. Međutim, to nije bio cilj rekonstrukcije snova. Stručnjaci su zatražili neuronske promjenu mreže sliku na temelju izvorne slike nametanjem na njemu nekoliko drugih slojeva. Kao što se ispostavilo, softver je jednostavan za naučiti. Dakle, program je u mogućnosti za poboljšanje funkcija detekcije navedene modele.

trening

Za poboljšanje funkcije umjetnih neuronskih mreža, programeri su prošli kroz računalo više od milijun slika. Bio je to mukotrpan i dugotrajan posao, jer nakon svake od predloženih fotografija inženjera napravio auto da naglasi sliku naći na objekt. Sheer neuronska mreža sastoji se od više slojeva, a preciznije tumačenje traženja ovisi o razini ili status. Na primjer, za otkrivanje pojedinih predmeta odgovara izlazni sloj.

Halucinogena kvalitete slike

Nakon povećanja funkcija prepoznavanje određenih objekata na sliku neuronske mreže s kojima se suočavaju više težak posao. Inženjeri su morali voziti se za stvaranje slike određenih objekata, među kojima su bili pas, vilica, zvjezdača, banane i druge predmete. Taj potez potpuno je sama opravdano. I neka robotski snovi imaju halucinogena kvalitete definirane slike mogu prepoznati ljudsko oko.

Krajnji cilj projekta

Google je u potrazi za poboljšanje neuronsku mrežu na mjestu gdje je bilo moguće otkriti nepostojeće detalje na ukupnu sliku. Možemo reći da su inženjeri bili u mogućnosti pogledati u podsvijest umjetne inteligencije. To se dogodilo, kada programeri počeli učitavanje slike u gornjem sloju neuronske mreže, onaj koji je naučio prepoznavati pojedine predmete. Tako, na primjer, unaprijed određena parametar „pas oblik u oblacima” je napravio za simulaciju mreže pas oblaka. I svaki put kad učitavanje rezultat izašao bolje i bolje.

Dakle, „Duboko san” dao tijelo računala mogućnost izmjene postavki slike. I to je omogućilo prepoznavati objekte, koji se ne nalaze na slici. I sada, kada se zahtjev „oblačno nebo” mreža daje iznenađujuće čudne pse i puževa.

zaključak

Metode koje se koriste od strane istraživača tijekom projekta, pomaže shvatiti i vizualizirati kako neuronska mreža sposobna za obavljanje složenih zadataka za objekt klasifikaciju. To je dovelo do poboljšanja mrežne arhitekture i ostavi da se kontrolira fazu procesa učenja.