Argumana yekîneyên veşartî di torên neuralî yên kûr de rolek girîng dilîze di rê de ji bo xweşkirina mezinahî û şeklê torê. Torên neuralî yên kûr ji gelek qatan pêk tên, ku her yek ji komek yekîneyên veşartî pêk tê. Van yekîneyên veşartî ji bo girtin û temsîlkirina têkiliyên tevlihev ên di navbera daneya ketin û derketinê de berpirsiyar in.
Ji bo ku em fam bikin ka argumana yekîneyên veşartî çawa xwerûbûnê çêdike, pêdivî ye ku em di nav avahî û fonksiyona torên neuralî yên kûr de bigerin. Di tora neuralî ya kûr a tîpîk de, tebeqeya têketinê daneya têketina xav distîne, ku dûv re ji rêzek qatên veşartî tê derbas kirin berî ku bigihîje qata derketinê. Her qatek veşartî ji gelek yekîneyên veşartî pêk tê, û ev yekîne bi yekîneyên di qatên berê û yên paşîn de têne girêdan.
Hejmara yekîneyên veşartî di her qatê de, û her weha hejmara qatên di torê de, li ser bingeha pirsgirêka taybetî ya di dest de dikare were xweş kirin. Zêdekirina hejmara yekîneyên veşartî di qatek de dihêle ku torê di daneyê de şêwaz û têkiliyên tevlihevtir bigire. Ev dikare bi taybetî dema ku bi daneyên mezin û tevlihev re mijûl dibin bikêr be.
Digel vê yekê, şeklê torê jî bi eyarkirina hejmara qatan dikare were xweş kirin. Zêdekirina qatan zêdetir li torê dihêle ku ew fêrî nûneratiyên hiyerarşîk ên daneyê bibe, ku her qatek astên cûda yên razberiyê digire. Ev temsîla hiyerarşîk dikare di peywirên wekî naskirina wêneyê de bikêr be, li cihê ku tişt dikarin bi berhevoka taybetmendiyên nizm (mînak, kevçî) û têgînên asta bilind (mînak, şekil) werin şirove kirin.
Mînakî, tora neuralî ya kûr ku ji bo dabeşkirina wêneyê tê bikar anîn bifikirin. Tebeqeya têketinê nirxên pixelê yên wêneyek distîne, û qatên paşerojê yên veşartî qalibên her ku diçe tevlihevtir digirin, wek qerax, tevnvîs û şekil. Parçeya veşartî ya paşîn van şêweyan berhev dike da ku di derheqê çîna wêneyê de pêşbîniyek çêbike. Bi xweşkirina hejmara yekîn û qatan veşartî, em dikarin kapasîteya torê kontrol bikin da ku astên cûda yên hûrgulî û tevliheviyê di wêneyan de bigirin.
Digel xwerûkirina mezinahî û şeklê, argumana yekîneyên veşartî di heman demê de rê dide xwerûkirina fonksiyonên aktîfkirinê. Fonksiyonên aktîfkirinê li ser bingeha têketina yekîneyek veşartî hilberîna yekîneyek veşartî diyar dike. Fonksiyonên aktîfkirinê yên cihêreng dikarin werin bikar anîn da ku ne-xêzikan di nav torê de destnîşan bikin, ku ew dihêle ku di daneyê de têkiliyên tevlihev fêr bibe û temsîl bike. Fonksiyonên aktîvkirina hevpar sigmoîd, tanh, û yekîneya xêzkirî ya rastkirî (ReLU) pêk tîne.
Argumana yekîneyên veşartî di torên neuralî yên kûr de di xweşkirina mezinahî û şeklê torê de nermbûnê peyda dike. Bi eyarkirina hejmara yekîn û qatan veşartî, û her weha bijartina fonksiyonên aktîfkirinê, em dikarin kapasîteya torê ji bo girtin û temsîlkirina qalibên bingehîn û têkiliyên di daneyê de biguncînin.
Pirs û bersivên din ên vê dawiyê di derbarê Torgilokên kûr û texmînker ên kûr:
- Ma fêrbûna kûr dikare wekî pênasekirin û perwerdekirina modelek li ser bingeha tora neuralî ya kûr (DNN) were şîrove kirin?
- Ma çarçoweya TensorFlow ya Google dihêle ku di pêşkeftina modelên fêrbûna makîneyê de asta abstraksiyonê zêde bike (mînak bi guheztina kodkirinê bi veavakirinê)?
- Ma rast e ku heke databas mezin be pêdivî bi nirxandina hindik heye, ev tê vê wateyê ku perçeya daneya ku ji bo nirxandinê tê bikar anîn dikare bi mezinbûna danezanê were kêm kirin?
- Ma meriv dikare bi guheztina rêzika ku wekî argumana veşartî ya tora neuralî ya kûr (DNN) hatî peyda kirin, bi hêsanî kontrol bike (bi zêdekirin û rakirina) hejmara qat û hejmara girêkan di qatên takekesî de?
- Meriv çawa nas dike ku modela pir zêde ye?
- Tora neuralî û torên neuralî yên kûr çi ne?
- Çima ji torên neuralî yên kûr re kûr tê gotin?
- Awantaj û dezawantajên zêdekirina girêkên din li DNN çi ne?
- Pirsgirêka gradientê ya windabûnê çi ye?
- Hin kêmasiyên karanîna torên neuralî yên kûr li gorî modelên xêzik çi ne?
Di torên neuralî û texmînkeran de bêtir pirs û bersivan bibînin