#нейронные_сети #искусственный_интеллект
Пытаюсь как-то уложить все в голове, интересует какие сети лучше подойдут для задач и почему Знаю, некоторые задачи решаются вовсе не сетями, но легче сказать конечную цель, чем абстрактно описывать сеть, которую я бы хотел найти Допустим, задачи такие: Распознавание голоса Обучение музыкальному вкусу и поиск похожих песен Контроль температуры инерционной системы (нужно очень быстрое обучение прям в процессе, иначе что-то может перегреется или переохладится) Распознавание графиков (допустим, спектра) Научить узнавать человека с камеры по одному его фото
Ответы
Ответ 1
Существует несколько основных типов нейронный сетей которые используются для решения некоторых типов задач. Очень и очень кратко: FFNN Сеть прямого распространения - самая простая и в основном используется для анализа данных в которых можно выявить повторяющийся паттерн. RNN Рекурентная нейронная сеть - сеть которая делает вывод основываясь не только на настоящих данных но и на прошедших. Используется там где важно учитивать влияние нескольких факторов. LSTM Сеть с длинной и короткой памятью - подвид рекурентных сетей, но в отличии от обычной рекурентной сети может запоминать данные на долгий период иными словами понимать контекст. CNN Сверточная нейронная сеть - НС которая обрабатывает данные с помощью фильтров и сети прямого распространения. Отвечая на Ваш вопрос: 1 и 2 - LSTM. Все что связанно с обработкой речи и анализом текста нуждается в контексте, также по умолчанию предложение это последовательная расстановка слов которые связанны друг с другом по смыслу. 3 - FFNN. Не совсем понял суть но если логика заключается в том чтобы в заисимости от набора факторов выставлять температуру то сеть прямого распространения подойдет лучше всего. 4 - Либо FFNN либо RNN в зависимости от сложности и "предсказуемости" графика. 5 - CNN. Все что связанно с распознавание обьектов и анализом фото или видео, всегда используется сверточная нейронная сеть.
Комментариев нет:
Отправить комментарий