تصاویر تار به یادگیری بهتر هوش مصنوعی کمک می نماید
پژوهشگران هلندی و اسپانیایی روشی برای آموزش سیستم های هوش مصنوعی بمنظور تشخیص بهتر و سریع تر پیدا کردند.
به گزارش روز دوشنبه گروه دانشگاه و آموزش ایرنا از پایگاه اینترنتی innovationorigins، این پژوهشگران کشف کردند که چگونه سیستم هایی که از هوش مصنوعی (AI) استفاده می نمایند در عمل یاد می گیرند.
در خیلی از سیستم های مبتنی بر یادگیری عمیق نحوه رخ دادن روند یادگیری معین نیست.
اکنون پژوهشگران متوجه شدند که چگونه یک سیستم تشخیص تصاویر می تواند در مورد محیط خود بیاموزد.
آنها با متمرکز کردن سیستم بر روی اطلاعات کم اهمیت تر این سیستم یادگیری را ساده سازی کردند.
به گفته پژوهشگران دانشگاه گرونیگی، سیستم مورد نظر نوعی شبکه عصبی پیچشی(CCNs) است. شبکه عصبی پیچشی گونه ای از یادگیری عمیق در هوش مصنوعی است که از زیست شناسی نشات گرفته است.
این سیستم ها تشخیص تصاویر را با کمک ارتباط میان هزاران نورون می آموزند. این سیستم به شکلی عملکرد مغز را شبیه سازی می کند.
محققان در این تحقیق شبکه مصنوعی پیچشی را با بهره گیری از تصاویر استانداردی از هواپیماها و ماشین ها آموزش دادند سپس بخش هایی را که هوش مصنوعی برای طبقه بندی تصاویر و تشخیص محیط استفاده می کرد، تار کردند.
آنها این سیستم را به استفاده از سایر بخش های تصویر برای تشخیص مجبور ساختند و با اضافه شدن این داده ها، هوش مصنوعی قادر به طبقه بندی بهتر تصاویر شد.
محققان گفتند: این روش آموزش هوش مصنوعی ساده تر است و زمان کمتری می برد.
این مطلب را می پسندید؟
(0)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب