Video analysis[edit]Video is more c

Video analysis[edit]
Video is more complex than images since it has another (temporal) dimension. The common way is to fuse the features of different convolutional neural networks, which are responsible for spatial and temporal stream.[31][32]
Natural Language Processing[edit]
Convolutional neural networks have also seen use in the field of natural language processing or NLP. Like the image classification problem, some NLP tasks can be formulated as assigning labels to words in a sentence. The neural network trained raw material fashion will extract the features of the sentences. Using some classifiers, it could predict new sentences.[33]
Playing Go[edit]
Convolutional neural networks have been used in computer Go. In December 2014, Christopher Clark and Amos Storkey published a paper showing a convolutional network trained by supervised learning from a database of human professional games could outperform Gnu Go and win some games against Monte Carlo tree search Fuego 1.1 in a fraction of the time it took Fuego to play.[34] Shortly after it was announced that a large 12-layer convolutional neural network had correctly predicted the professional move in 55% of positions, equalling the accuracy of a 6 dan human player. When the trained convolutional network was used directly to play games of Go, without any search, it beat the traditional search program GNU Go in 97% of games, and matched the performance of the Monte Carlo tree search program Fuego simulating ten thousand playouts (about a million positions) per move.[35]

ผลลัพธ์ (ไทย) 1:

วิเคราะห์วิดีโอ [แก้ไข]วิดีโอเป็นซับซ้อนกว่าภาพเนื่องจากมีมิติอื่น (ชั่วคราว) วิธีทั่วไปคือ ฟิวส์ของต่าง ๆ convolutional ประสาทเครือข่าย ซึ่งมีหน้าที่ในการส่งกระแสข้อมูลปริภูมิ และขมับ [31] [32][แก้ไข] การประมวลผลภาษาธรรมชาติเครือข่ายประสาท convolutional ได้ยังเห็นใช้ในด้านการประมวลผลภาษาธรรมชาติหรือ NLP เช่นปัญหาการจัดประเภทรูปภาพ งาน NLP สามารถจะถูกกำหนดเป็นการกำหนดป้ายคำในประโยค แฟชั่นวัตถุดิบผ่านการฝึกอบรมโครงข่ายประสาทจะแยกคุณสมบัติของประโยค ใช้บางคำนามภาษา มันสามารถทายประโยคใหม่ [33]เล่นไป [แก้ไข]เครือข่ายประสาท convolutional ได้ถูกใช้ในคอมพิวเตอร์ไป ในเดือน 2014 ธันวาคม คริสโตเฟอร์คลาร์คและโรงแรมอมอสโค Storkey เผยแพร่เอกสารแสดงเครือข่าย convolutional ผ่านการฝึกอบรม โดยมีการเรียนรู้จากฐานข้อมูลของเกมมนุษย์มืออาชีพสามารถ outperform ไปของกนู และชนะเกมบางเกมกับ Carlo มอนทรีค้นหา Fuego 1.1 ในส่วนของเวลาที่ใช้ Fuego เล่น [34] ในไม่ช้าหลังจากที่ได้มีประกาศว่า ขนาดใหญ่ 12 ชั้น convolutional ประสาทเครือข่ายได้อย่างถูกต้องทำนายย้ายมืออาชีพ 55% ของตำแหน่ง equalling ความถูกต้องของผู้เล่นมนุษย์แดน 6 เมื่อเครือข่าย convolutional ฝึก ใช้โดยตรงในการเล่นเกมไป โดยไม่ต้องค้นหาใด ๆ มันชนะโปรแกรมค้นหาแบบ GNU ไป 97% ของเกม และตรงกับประสิทธิภาพการทำงานของโปรแกรมค้นหาทรีมอน Carlo Fuego จำลองหมื่น playouts (เกี่ยวกับล้านตำแหน่ง) ต่อย้าย [35]

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์วิดีโอ [แก้ไข]
วิดีโอมีความซับซ้อนกว่าภาพเพราะมันมีอีก (ชั่วคราว) มิติ วิธีที่ใช้กันคือการหลอมรวมคุณสมบัติของเครือข่ายประสาทที่แตกต่างกันความสับสนที่มีความรับผิดชอบสำหรับกระแสเชิงพื้นที่และเวลา. [31] [32]
ประมวลผลภาษาธรรมชาติ [แก้ไข]
เครือข่ายประสาท Convolutional ยังได้เห็นการใช้งานในด้านการประมวลผลภาษาธรรมชาติหรือ NLP เช่นเดียวกับปัญหาการจัดหมวดหมู่ภาพบางงาน NLP สามารถกำหนดสูตรฉลากคำในประโยค เครือข่ายประสาทได้รับการฝึกฝนแฟชั่นวัตถุดิบที่จะดึงคุณสมบัติของประโยค การใช้ลักษณนามบางส่วนก็สามารถทำนายประโยคใหม่. [33]
เล่นไป [แก้ไข]
เครือข่ายประสาท Convolutional มีการใช้ในคอมพิวเตอร์ไป ในเดือนธันวาคมปี 2014, คริสคลาร์กและเอมัส Storkey เผยแพร่เอกสารแสดงเครือข่าย convolutional การฝึกอบรมโดยการเรียนรู้ภายใต้การดูแลจากฐานข้อมูลของเกมมืออาชีพของมนุษย์จะมีประสิทธิภาพสูงกว่า Gnu ไปและชนะบางเกมกับ Monte Carlo ค้นหาต้นไม้ Fuego 1.1 ในส่วนของระยะเวลาที่ใช้ Fuego การเล่น. [34] ไม่นานหลังจากที่มีการประกาศว่ามีขนาดใหญ่ 12 ชั้น convolutional เครือข่ายประสาทได้คาดการณ์ได้อย่างถูกต้องย้ายมืออาชีพใน 55% ของตำแหน่งเท่ากับความถูกต้องของผู้เล่นแดนมนุษย์ที่ 6 เมื่อผ่านการฝึกอบรมเครือข่าย convolutional ถูกนำมาใช้โดยตรงในการเล่นเกมของไปโดยไม่ต้องค้นหาใด ๆ ก็ชนะโปรแกรมค้นหาแบบดั้งเดิม GNU ไปใน 97% ของเกมและจับคู่กับประสิทธิภาพการทำงานของโปรแกรมค้นหาต้นไม้ที่มอนติคาร์ Fuego จำลองหมื่น playouts (ประมาณ ล้านตำแหน่ง) ต่อย้าย. [35]

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์ [ แก้ไข ]

วิดีโอวิดีโอเป็นซับซ้อนมากขึ้นกว่าภาพมันได้อีก ( ชั่วคราว ) ขนาด วิธีทั่วไปคือ ฟิวส์คุณสมบัติแตกต่างกันคอนเครือข่ายประสาท ซึ่งรับผิดชอบพื้นที่และเวลากระแส [ 31 ] [ 32 ]
ภาษาธรรมชาติการประมวลผล [ แก้ไข ]
คอนเครือข่ายประสาทเห็นยังใช้ในด้านการประมวลผลภาษาธรรมชาติหรือ NLPชอบภาพการจำแนกปัญหาบางงาน NLP สามารถกำหนดยุทธศาสตร์เป็นป้ายคำพูดในประโยค เครือข่ายประสาทได้รับแฟชั่นวัตถุดิบจะแยกลักษณะของประโยค ใช้คำลักษณนาม มันสามารถทำนายได้ประโยคใหม่ [ 33 ] [ แก้ไข ]

เล่นไปขดโครงข่ายประสาทเทียมถูกใช้ในคอมพิวเตอร์ไป ในเดือนธันวาคม 2014 ,คริสคลาร์กและ Amos storkey เผยแพร่กระดาษแสดงคอนเครือข่ายการฝึกอบรมโดยมีการเรียนรู้จากฐานข้อมูลของเกมมืออาชีพของมนุษย์สามารถ outperform GNU ไปชนะเกมบางอย่างกับ Monte Carlo ต้นไม้ค้นหา Fuego 1.1 ในส่วนของเวลามันเอาฟวยโกเล่น[ 34 ] ไม่นานหลังจากที่มันถูกประกาศว่า ขนาดใหญ่ 12 ชั้นคอนโครงข่ายประสาทเทียมมีคาดการณ์ได้อย่างถูกต้องย้ายมืออาชีพใน 55% ของตำแหน่ง เท่ากับความถูกต้องของ 6 แดนมนุษย์ผู้เล่น เมื่อเครือข่ายคอนฝึกใช้โดยตรงในการเล่นเกมไป โดยไม่มีเงื่อนไขใด ๆ ค้นหา มันชนะ GNU โปรแกรมดั้งเดิมค้นหาไปใน 97% ของเกมและจับคู่การทำงานของ Monte Carlo ต้นไม้ค้นหาโปรแกรม Fuego จำลองหมื่น playouts ( ประมาณ 1 ล้านตำแหน่ง ) ต่อไป [ 35 ]