نمايش پست تنها
قديمي ۰۹-۱۵-۱۳۹۱, ۰۸:۳۲ بعد از ظهر   #3 (لینک دائم)
kamran_kenzo Male
عضو فوق فعال
 
آواتار kamran_kenzo
 
تاريخ عضويت: تير ۱۳۸۹
محل سكونت: Tehran
پست ها: 190
تشكرها: 4
91 تشكر در 74 پست
پيش فرض

شما با در نظر گرفتن لایه های میانی برای شبکه عصبیتون و با توجه به تعداد ورودی ها و خروجی هاتون تعداد مشخصی وزن خواهید داشت که در مرحله ی یادگیری چون ورودی ها و خروجی ها مشخص هستند این وزن ها یاد گرفته می شوند. برای تفسیر این فرایند که واقعا چرا استفاده از شبکه ی عصبی خوب هست و اصلا چه معنایی داره میتونید اینطوری تصور کنید که شما تصویرهایی که مربوط به یک موضوع هستند را میتونید با المان های مشخصی بازسازی نمود.
به طور مثال تصویر یک شخص خاص با المان های خاصی (چشم، بینی، ...) مشخص میشه . وقتی شبکه برای تصویر این شخص یادگرفته میشه وزن ها طوری یادگرفته میشوند که بتونند با ترکیب این المانها تصویر را به طور مناسبی یاد بگیرند. حالا در مرحله ی تست تصویر شخص دیگری را که وارد شبکه کنیم با این وزن ها ترکیب طوری خواهد بود که اختلاف زیادی بین تصویر ورودی و تصویر مرجع خواهیم داشت.

امیدوارم تونسته باشم قدری از مفهوم رو منتقل کنم
موفق باشید
kamran_kenzo آفلاين است   پاسخ با نقل قول
از kamran_kenzo تشكر كرده اند:
Miladsob (۱۰-۴-۱۳۹۱), nazanin_sh (۰۹-۲۲-۱۳۹۱)