A different convolutional neural ne

A different convolutional neural network design was proposed in 1988 by Daniel Graupe, Ruey Wen Liu and George S Moschytz.[15] for applications to decomposition of one-dimensional EMG signals, This design was further modified in 1989 to other convolution-based designs by Daniel Graupe, Boris Vern, Greg Gruener, Aaron S. Field and Qiu Huang in [16] and by Qiu Huang, Daniel Graupe and Yih Fang Huang in.[17]
With the rise of efficient GPU computing, it has become possible to train larger networks. In 2006 several publications described more efficient ways to train convolutional neural networks with more layers.[18][19][20] In 2011, they were refined by Dan Ciresan et al. and were implemented on a GPU with impressive performance results.[5] In 2012, Dan Ciresan et al. significantly improved upon the best performance in the literature for multiple image databases, including the MNIST database, the NORB database, the HWDB1.0 dataset (Chinese characters), the CIFAR10 dataset (dataset of 60000 32x32 labeled RGB images),[7] and the ImageNet dataset.[21]

ผลลัพธ์ (ไทย) 1:

แบบเครือข่ายประสาท convolutional อื่นถูกเสนอในปี 1988 โดย Daniel Graupe หลิวเหวิ Ruey และจอร์จ S Moschytz [15] สำหรับโปรแกรมประยุกต์เพื่อแยกส่วนประกอบของสัญญาณกล้าม one-dimensional ออกแบบนี้เพิ่มเติมล่าสุดในปี 1989 เพื่องานออกแบบอื่น ๆ ตาม convolution โดย Daniel Graupe บอริส Vern กา Gruener แอรอน S. ฟิลด์ และ หวงคูใน [16] และ หวงคู Daniel Graupe และหวง Yih ฟางค่ะ [17]มีการเพิ่มขึ้นของการใช้งาน GPU มีประสิทธิภาพ เป็นไปรถไฟเครือข่ายขนาดใหญ่ ในปี 2006 หลายสิ่งอธิบายวิธีมีประสิทธิภาพมากขึ้นฝึกเครือข่ายประสาท convolutional กับชั้นเพิ่มเติม [18] [19] [20] ใน 2011 พวกเขาได้กลั่นโดย Dan Ciresan et al. และถูกนำมาใช้กับ GPU ด้วยผลลัพธ์ประสิทธิภาพที่น่าประทับใจ [5] ใน 2012, Dan Ciresan et al. มากปรับปรุงประสิทธิภาพสูงที่สุดในวรรณคดีสำหรับฐานข้อมูลภาพหลาย รวมทั้งฐานข้อมูล MNIST ฐานข้อมูล NORB, HWDB1.0 ชุดข้อมูล (ตัวอักษรจีน) CIFAR10 ชุดข้อมูล (ชุดข้อมูลของ 60000 32 x 32 ชื่อภาพ RGB), [7] และชุดข้อมูล ImageNet [21]

ผลลัพธ์ (ไทย) 2:

แตกต่างกันความสับสนในการออกแบบเครือข่ายประสาทถูกเสนอในปี 1988 โดยแดเนียล Graupe, Ruey เหวินหลิวและจอร์จเอ Moschytz. [15] สำหรับการใช้งานในการสลายตัวของหนึ่งมิติสัญญาณ EMG ออกแบบนี้ได้รับการแก้ไขเพิ่มเติมในปี 1989 กับการออกแบบที่ใช้บิดอื่น ๆ โดย แดเนียล Graupe บอริสเวิร์น, เกร็ก Gruener แอรอนเอสฟิลด์และ Qiu Huang ใน [16] และ Qiu Huang, แดเนียลและ Graupe Yih ฝางหวางใน. [17]
ด้วยการเพิ่มขึ้นของการใช้คอมพิวเตอร์ที่มีประสิทธิภาพของ GPU นั้นมันเป็นไปได้ในการฝึกอบรม เครือข่ายขนาดใหญ่ ในปี 2006 หลายสิ่งพิมพ์อธิบายวิธีที่มีประสิทธิภาพมากขึ้นในการฝึกอบรมเครือข่ายประสาทสับสนกับชั้นมากขึ้น. [18] [19] [20] ในปี 2011 พวกเขาได้รับการกลั่นโดยแดน Ciresan et al, และถูกนำมาใช้ในการทำงานของ GPU ที่มีผลการดำเนินงานที่น่าประทับใจ. [5] ในปี 2012 แดน Ciresan et al, เพิ่มขึ้นอย่างมากเมื่อประสิทธิภาพที่ดีที่สุดในวรรณคดีสำหรับฐานข้อมูลภาพหลายรวมถึงฐานข้อมูล MNIST ฐานข้อมูล Norb ที่ HWDB1.0 ชุด (ตัวอักษรจีน) ซึ่งเป็นชุดข้อมูลที่ CIFAR10 (ชุดของ 60000 32x32 ติดป้ายภาพ RGB) [7] และ ชุดข้อมูล ImageNet. [21]

ผลลัพธ์ (ไทย) 3:

ที่แตกต่างกันโดยใช้โครงข่ายประสาทเทียมแบบคอนเสนอในปี 1988 โดยแดเนียล graupe ruey , เหวินหลิวและจอร์จ moschytz [ 15 ] สำหรับการใช้งานเพื่อการย่อยสลายของสัญญาณ EMG ในการออกแบบนี้ยังแก้ไขในปี 1989 เพื่อสังวัตนาการอื่น ๆตามการออกแบบโดยแดเนียล graupe บอริส เวิร์น เกร็ก gruener อาโรนและเอสฟิลด์ชิวหวง [ 16 ] และโดยชิวฮวงแดเนียลและฟางหวง graupe 23 . [ 17 ]
ด้วยการเพิ่มขึ้นของคอมพิวเตอร์ที่มีประสิทธิภาพ มันได้กลายเป็นไปได้ที่จะฝึกเครือข่ายขนาดใหญ่ ในปี 2006 สิ่งพิมพ์ที่อธิบายหลายวิธีที่มีประสิทธิภาพมากขึ้นเพื่อฝึกนิวรอลเน็ตเวิร์กคอนกับชั้นมากขึ้น . [ 18 ] [ 19 ] [ 20 ] ในปี 2011 พวกเขากลั่น โดยแดน ciresan et al . และถูกดำเนินการบน GPU ด้วยผลงานที่น่าประทับใจ [ 5 ] ใน 2012 ,แดน ciresan et al . เพิ่มขึ้นตามประสิทธิภาพที่ดีที่สุดในวรรณคดีสำหรับฐานข้อมูลภาพหลายรวมทั้งฐานข้อมูล mnist , norb ฐานข้อมูล , ข้อมูล hwdb1.0 ( ภาษาจีน ) , cifar10 ข้อมูล ( ข้อมูล 60000 32x32 ติดป้าย RGB ภาพ ) [ 7 ] และ [ 21 ]
imagenet วันที่ .