செயற்கை நுண்ணறிவுத் துறையில், குறிப்பாக கீவேர்ட் ஸ்பாட்டிங்கிற்கான பயிற்சி மாதிரிகள் துறையில், பல அல்காரிதம்களைக் கருத்தில் கொள்ளலாம். இருப்பினும், இந்த பணிக்கு மிகவும் பொருத்தமான ஒரு வழிமுறையானது கன்வல்யூஷனல் நியூரல் நெட்வொர்க் (CNN) ஆகும்.
சிஎன்என்கள் பரவலாகப் பயன்படுத்தப்பட்டு, பல்வேறு கணினி பார்வைப் பணிகளில் வெற்றிகரமாக நிரூபிக்கப்பட்டுள்ளன, இதில் படத்தை அறிதல் மற்றும் பொருள் கண்டறிதல் ஆகியவை அடங்கும். இடஞ்சார்ந்த சார்புகளைத் திறம்படப் பிடிக்கும் மற்றும் படிநிலைப் பிரதிநிதித்துவங்களைக் கற்றுக்கொள்வதற்கான அவர்களின் திறன், முக்கிய வார்த்தைகளைக் கண்டறிவதற்கான சிறந்த தேர்வாக அமைகிறது, அங்கு கொடுக்கப்பட்ட உள்ளீட்டிற்குள் குறிப்பிட்ட சொற்கள் அல்லது சொற்றொடர்களை அடையாளம் காண்பதே இலக்காகும்.
CNN இன் கட்டமைப்பு பல அடுக்குகளைக் கொண்டுள்ளது, இதில் கன்வல்யூஷனல் லேயர்கள், பூலிங் லேயர்கள் மற்றும் முழுமையாக இணைக்கப்பட்ட அடுக்குகள் ஆகியவை அடங்கும். உள்ளீட்டுத் தரவில் கற்கக்கூடிய வடிப்பான்களின் தொகுப்பைப் பயன்படுத்துவதன் மூலம் கன்வல்யூஷனல் அடுக்குகள் அம்சத்தைப் பிரித்தெடுக்கின்றன. இந்த வடிப்பான்கள் தரவில் உள்ள விளிம்புகள், மூலைகள் அல்லது இழைமங்கள் போன்ற பல்வேறு வடிவங்களையும் அம்சங்களையும் கண்டறியும். பூலிங் அடுக்குகள் பின்னர் பிரித்தெடுக்கப்பட்ட அம்சங்களின் இடஞ்சார்ந்த பரிமாணங்களைக் குறைக்கின்றன, அதே நேரத்தில் அவற்றின் முக்கிய பண்புகளை பராமரிக்கின்றன. இறுதியாக, முழுமையாக இணைக்கப்பட்ட அடுக்குகள் முந்தைய அடுக்குகளால் கற்றுக் கொள்ளப்பட்ட அம்சங்களை ஒருங்கிணைத்து இறுதி கணிப்புகளை உருவாக்குகின்றன.
கீவேர்ட் ஸ்பாட்டிங்கிற்கு CNNக்கு பயிற்சி அளிக்க, ஆடியோ மாதிரிகள் மற்றும் அவற்றுடன் தொடர்புடைய முக்கிய வார்த்தைகளைக் கொண்ட லேபிளிடப்பட்ட தரவுத்தொகுப்பு தேவை. ஆடியோ மாதிரிகளை ஸ்பெக்ட்ரோகிராம்களாக மாற்றலாம், அவை காலப்போக்கில் ஆடியோ சிக்னல்களின் அதிர்வெண் உள்ளடக்கத்தின் காட்சிப் பிரதிநிதித்துவமாகும். இந்த ஸ்பெக்ட்ரோகிராம்கள் CNNக்கு உள்ளீடாகச் செயல்படுகின்றன.
பயிற்சி செயல்பாட்டின் போது, முக்கிய வார்த்தைகளின் இருப்பைக் குறிக்கும் ஸ்பெக்ட்ரோகிராம்களில் உள்ள வடிவங்கள் மற்றும் அம்சங்களை அடையாளம் காண CNN கற்றுக்கொள்கிறது. இது பேக் ப்ரோபேகேஷன் எனப்படும் மறுசெயல்முறை மேம்படுத்தல் செயல்முறையின் மூலம் அடையப்படுகிறது, அங்கு நெட்வொர்க் அதன் கணிப்புகள் மற்றும் நில உண்மை லேபிள்களுக்கு இடையிலான வேறுபாட்டைக் குறைக்க அதன் எடைகள் மற்றும் சார்புகளை சரிசெய்கிறது. தேர்வுமுறையானது பொதுவாக ஸ்டோகாஸ்டிக் கிரேடியன்ட் டிசென்ட் (SGD) அல்லது ஆடம் போன்ற சாய்வு வம்சாவளி அடிப்படையிலான அல்காரிதம்களைப் பயன்படுத்தி செய்யப்படுகிறது.
CNN பயிற்சி பெற்றவுடன், புதிய ஆடியோ மாதிரிகளில் முக்கிய வார்த்தைகளை நெட்வொர்க் மூலம் ஊட்டுவதன் மூலமும், நெட்வொர்க்கின் வெளியீட்டை ஆராய்வதன் மூலமும் அது பயன்படுத்தப்படலாம். வெளியீடு என்பது முன் வரையறுக்கப்பட்ட முக்கிய வார்த்தைகளின் தொகுப்பின் நிகழ்தகவு விநியோகமாக இருக்கலாம், இது உள்ளீட்டில் உள்ள ஒவ்வொரு முக்கிய வார்த்தையின் சாத்தியத்தையும் குறிக்கிறது.
முக்கிய வார்த்தைகளை கண்டுபிடிப்பதற்கான CNN இன் செயல்திறன் பயிற்சி தரவின் தரம் மற்றும் பன்முகத்தன்மையை பெரிதும் சார்ந்துள்ளது என்பது குறிப்பிடத்தக்கது. ஒரு பெரிய மற்றும் பலதரப்பட்ட தரவுத்தொகுப்பு நெட்வொர்க்கிற்குப் பார்க்காத மாதிரிகளைப் பொதுமைப்படுத்தவும் அதன் துல்லியத்தை மேம்படுத்தவும் உதவும். கூடுதலாக, தரவு பெருக்குதல் போன்ற நுட்பங்கள், பயிற்சி தரவுகள் தற்செயலான மாற்றங்களைப் பயன்படுத்துவதன் மூலம் செயற்கையாக விரிவுபடுத்தப்படுகின்றன, CNN இன் செயல்திறனை மேலும் மேம்படுத்தலாம்.
கன்வல்யூஷனல் நியூரல் நெட்வொர்க் (CNN) அல்காரிதம், முக்கிய வார்த்தைகளைக் கண்டறிவதற்கான பயிற்சி மாதிரிகளுக்கு மிகவும் பொருத்தமானது. இடஞ்சார்ந்த சார்புகளைப் பிடிக்கவும், படிநிலைப் பிரதிநிதித்துவங்களைக் கற்றுக்கொள்ளவும் அதன் திறன், ஆடியோ மாதிரிகளில் குறிப்பிட்ட சொற்கள் அல்லது சொற்றொடர்களை அடையாளம் காண்பதில் திறம்பட செய்கிறது. லேபிளிடப்பட்ட ஸ்பெக்ட்ரோகிராம்களை உள்ளீடாகப் பயன்படுத்துவதன் மூலமும், பேக் ப்ரோபேகேஷன் மூலம் நெட்வொர்க்கை மேம்படுத்துவதன் மூலமும், முக்கிய வார்த்தைகள் இருப்பதைக் குறிக்கும் வடிவங்களை அடையாளம் காண CNNக்கு பயிற்சி அளிக்க முடியும். CNN இன் செயல்திறனை பலதரப்பட்ட மற்றும் மேம்படுத்தப்பட்ட பயிற்சி தரவுத்தொகுப்பைப் பயன்படுத்தி மேம்படுத்தலாம்.
தொடர்பான பிற சமீபத்திய கேள்விகள் மற்றும் பதில்கள் EITC/AI/GCML கூகிள் கிளவுட் மெஷின் கற்றல்:
- டெக்ஸ்ட் டு ஸ்பீச் (TTS) என்றால் என்ன, அது AI உடன் எவ்வாறு செயல்படுகிறது?
- இயந்திர கற்றலில் பெரிய தரவுத்தொகுப்புகளுடன் பணிபுரிவதில் உள்ள வரம்புகள் என்ன?
- இயந்திர கற்றல் சில உரையாடல் உதவிகளை செய்ய முடியுமா?
- டென்சர்ஃப்ளோ விளையாட்டு மைதானம் என்றால் என்ன?
- பெரிய தரவுத்தொகுப்பு உண்மையில் என்ன அர்த்தம்?
- அல்காரிதத்தின் ஹைபர்பாராமீட்டர்களின் சில எடுத்துக்காட்டுகள் யாவை?
- இசையமைத்தல் கற்றல் என்றால் என்ன?
- தேர்ந்தெடுக்கப்பட்ட இயந்திர கற்றல் அல்காரிதம் பொருத்தமானதாக இல்லாவிட்டால் என்ன செய்வது மற்றும் சரியானதைத் தேர்ந்தெடுப்பதை எவ்வாறு உறுதிப்படுத்துவது?
- ஒரு இயந்திர கற்றல் மாதிரி அதன் பயிற்சியின் போது மேற்பார்வை தேவையா?
- நியூரல் நெட்வொர்க் அடிப்படையிலான அல்காரிதம்களில் பயன்படுத்தப்படும் முக்கிய அளவுருக்கள் யாவை?
EITC/AI/GCML Google Cloud Machine Learning இல் கூடுதல் கேள்விகள் மற்றும் பதில்களைக் காண்க