Konvoliucinis neuroninis tinklas (CNN) – neuroninio tinklo architektūra, ypač tinkanti vaizdų duomenims. Ji nuskaito įvestį mažais filtrais: pirmuosiuose sluoksniuose aptinka paprastus požymius, pavyzdžiui, kraštus, o gilesniuose – sudėtingesnes formas. CNN daugelį metų formavo vaizdų atpažinimą ir naudojami, pavyzdžiui, defektams produktų nuotraukose aptikti ar medicininių vaizdų analizei.
Agentai, srautai ir šablonai vienoje darbo srityje – nemokama 24 valandų demonstracinė versija.
Pradėti demonstracijąGiluminis mokymasis yra mašininio mokymosi šaka, naudojanti dirbtinius neuroninius tinklus su daugybe sluoksnių. Tokie tinklai iš didelių duomenų kiekių mokosi, kurie požymiai svarbūs – nuo vaizdų kontūrų iki prasminių ryšių tekstuose. Giluminis mokymasis yra šiandienos kalbos modelių, vaizdų ir kalbos atpažinimo bei mašininio vertimo pagrindas, ir paprastai reikalauja daug skaičiavimo galios bei mokymo duomenų.
Kompiuterinė rega – DI sritis, kurioje kompiuteriai interpretuoja vaizdus ir vaizdo įrašus. Įprastos užduotys – objektų aptikimas ir lokalizavimas, teksto vaizduose skaitymas ir komponentų matavimas. Ši technologija naudojama, pavyzdžiui, kokybės kontrolei gamyboje, vairuotojo pagalbos sistemose, logistikoje ir medicininiame vaizdinime.
Vaizdų atpažinimas – kompiuterinės regos sritis, kurioje programinė įranga nustato, kas pavaizduota vaizde: objektai, žmonės, tekstas, logotipai ar scenos. Paprastai jis grindžiamas neuroniniais tinklais, apmokytais naudojant daugybę pažymėtų vaizdų. Taikymo sritys – nuo kokybės kontrolės gamyboje ir produktų nuotraukų rūšiavimo iki pagalbos medicininiame vaizdinime. Su žmonių vaizdais ypatingo dėmesio reikalauja duomenų apsauga ir galimas šališkumas.
Dirbtiniai neuroniniai tinklai (DNT) – tai skaičiavimo modeliai, sudaryti iš daugelio sujungtų sluoksniais išdėstytų vienetų („neuronų“), kurie apdoroja įvestį per svertinius ryšius. Mokymo metu svoriai žingsnis po žingsnio koreguojami pagal pavyzdžius, dažniausiai atgalinio sklidimo metodu. DNT yra giluminio mokymosi pagrindas ir veikia vaizdų atpažinimą, kalbos atpažinimą bei didelius kalbos modelius. Nepaisant biologinės įkvėpties, jie veikia daug paprasčiau nei žmogaus smegenys.
