به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

دسته بندی ها

0 امتیاز

باسلام
-یه جایی نوشته شده بود cnn سه ایده ی ساختاری دریافت محلی، اشتراک وزن، کاهش بعد را ترکیب میکنه منظورش از دریافت محلی چیه؟
- در لایه ی کانولوشن نورونها فقط به یک ناحیه ی محلی متصل اند و پارامترها رو با یکدیگر به اشتراک میگزارند منظو از اشتراک پارامتر یعنی چی؟
- در شبکه ی عصبی کانولوشن استخراج ویژگی و مرحله ی شناسایی در یک ساختار مشترک انجام میشود منظورش از مرحله ی شناسایی یعنی چی؟
برای اینکه تعداد دیتاست رو ببریم بالا میشه همون دیتا ها رو تکرار کرد؟

توسط (100 امتیاز)

2 پاسخ

+1 امتیاز

سلام
به لینک زیر مراجعه کنید. شاید سوالاتتون برطرف بشه
http://qa.deeplearning.ir/32/اساس-عملیات-کانولوشن-چیست-؟-و-چگونه-صورت-می-گیرد؟

توسط (219 امتیاز)
+2 امتیاز

سلام دوست عزیز
- چون فیلتر های استفاده شده معمولا 3 3 یا 5 5 و یا 7 * 7 هستند پس محدوده دریافتی کمی رو دارند. به این محدوده دریافت receptive field میگویند و خروجی های بدست آمده از کانولوشن این فیلتر را activation layer‌ میگویند.

  • به نظرم منظورم همون ضرایب فیلتر ها هستش که در پارامترهای آن در در هر کانولوشن برای نورون های مختلف یکسان هستش

  • با شبکه های عصبی کانولوشنی ویژگی ها را استخراج میکنند و بعد از آن لایه تماما متصل fully connected برای کلاس بندی استفاده می شود. که فک کنم منظور از مرحله شناسایی همون مرحله fully connected هستش.

  • برای زیاد کردن دیتای ورودی بایستی از روشهای data augmentation استفاده کنید. مثل تغییر اندازه تصویر- انتقال تصویر - برعکس کردن (flip) تصویر- چرخش تصویر

توسط (830 امتیاز)
سلام
ممنون لطف کردین
توی شبکه ی عصبی معمولی چی ؟برای بالا بردن دیتا توی شبکه ی عصبی معمولی میشه دیتا هارو تکرار کرد اگر نمیشه از چه روش هایی استفاده میکنن؟
سلام
منظورتون از شبکه عصبی معمولی چیه؟
اگه منظورتون شبکه عصبی پرسپترون هستش که آره اونجا هم روشهایی برای افزایش دیتای ورودی هستش. توجه کنید که دیتا رو تکرار نمی کنیم از روی دیتای موجود و برچسب دار، دیتای جدیدی درست میکنیم و برچسب دیتای ساخته شده رو هم از دیتای اصلیش بدست می آوریم.
...