{Alex Krizhevsky Ilya Sutskever Geoffrey E. Hinton}
الملخص
قمنا بتدريب شبكة عصبية متعددة الطبقات عميقة كبيرة لتصنيف الصور عالية الدقة البالغ عددها 1.3 مليون صورة في مجموعة تدريب ImageNet LSVRC-2010 إلى 1000 فئة مختلفة. وفي بيانات الاختبار، حققنا معدلات خطأ من الدرجة الأولى (top-1) ودرجة الخمسة الأولى (top-5) بنسبة 39.7% و18.9% على التوالي، وهي نتائج أفضل بشكل ملحوظ من النتائج السابقة الأكثر تقدماً في المجال. تتكون الشبكة العصبية، التي تحتوي على 60 مليون معلمة و500,000 عصبون، من خمس طبقات تلافيفية، بعضها يتبعه طبقات تجميع عظمى (max-pooling)، وطبقتين متصلتين عالمياً مع دالة سويفت (softmax) النهائية ذات 1000 احتمال. ولتسريع عملية التدريب، استخدمنا عصبونات غير مشبعة (non-saturating neurons) ونُسخة فعالة للغاية من تنفيذ الشبكات التلافيفية على وحدة معالجة الرسوميات (GPU). ولتقليل التأثير المفرط (overfitting) في الطبقات المتصلة عالمياً، استخدمنا طريقة تنظيم جديدة أثبتت فعالية كبيرة.
المعايير القياسية
| معيار قياسي | المنهجية | المقاييس |
|---|---|---|
| graph-classification-on-bp-fmri-97 | CNN | Accuracy: 54.6% F1: 52.8% |
| graph-classification-on-hiv-dti-77 | CNN | Accuracy: 54.3% F1: 55.7% |
| graph-classification-on-hiv-fmri-77 | CNN | Accuracy: 59.3% F1: 66.3% |
| image-classification-on-cifar-10 | DCNN | Percentage correct: 89 |
| image-classification-on-imagenet-real | AlexNet | Accuracy: 62.88% |
| unsupervised-domain-adaptation-on-office-home | AlexNet [cite:NIPS12CNN] | Accuracy: 54.9 |
بناء الذكاء الاصطناعي بالذكاء الاصطناعي
من الفكرة إلى الإطلاق — عجّل تطوير الذكاء الاصطناعي الخاص بك من خلال البرمجة المشتركة المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.