Technology sharing

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Prima hebdomade quarti cursus Convolutionis Neural Networks

1,1 Problemata occurrunt in visione computatrum (visionis computatrum)

Una provocatione applicandis computatrum visio estdata initusPossit amplissimum.

• Magnitudo data 64×64 parvae picturae est 64×64×3 (3 canalis color).Ita noster eigenvector$x*$Dimensio est 12288.
• Pro pictura 1000×1000, dimensio vectoris ad 1000×1000×3.
• Si 1000 unitates occultae in primo strato abscondito, et omnia pondera matrix formant $W^{[1]}$ . Magnitudo huius matricis sub vexillo reticuli plene connexo 1000×3 decies centena milia est. Ad hoc convolutionis calculos praestare oportet;

1.2 Convolution operandi exemplum: Edge detectio example

Operatio convolutionis principalissima est reticularis convolutionis neuralis.

1.2.1 gradibus ore deprehendatur

Cum objecta imaginum detegimus, oras verticales in imagine deprehendere possumus.

6/6 imaginem cineraceorum sume. Quia imago cineraceorum est, matrix est 6×6×1;

• Ad margines verticales in imagine deprehendere, matrix 3x3 (filter/kernel) construere potes. [ 1 0 − 1 1 0 1 1 0 1 ] Incipe{bmatrix}1
  Antecedens deinde