Ochilov Bunyod cal024 Variant №36

      

    final static int N = 4;

    final static int  M = 4 ;

  

    static int findMax(int mat[][])

    {

  

        int maxElement = Integer.MIN_VALUE;

  

        for (int i = 0; i < N; i++) {

            for (int j = 0; j < M; j++) {

                if (mat[i][j] > maxElement) {

                    maxElement = mat[i][j];

                }

            }

        }

  

                return maxElement;

    }

  

      

   

    public static void main(String args[])

    {

           // matrix

        int mat[][] = { { 1, 2, 3, 4 },

                          { 25, 6, 7, 8 },

                          { 9, 10, 11, 12 },

                          { 13, 14, 15, 16 } };

  

        System.out.println(findMax(mat)) ;

    

    }

   

}

3

So'nggi yillarda tasvirlarni qayta ishlash va tanib olish sohasida ulkan yutuqlarga erishildi. Chuqur neyron tarmoqlari borgan sari chuqurlashib boraveradi. Neyron tarmog'iga ko'proq qatlamlar qo'shilishi uni tasvir bilan bog'liq vazifalar uchun yanada mustahkam qilishi mumkinligi isbotlandi. Ammo bu ularning aniqligini yo'qotishiga ham olib kelishi mumkin. Bu erda qoldiq tarmoqlar paydo bo'ladi.
Chuqur o'rgangan amaliyotchilar tomonidan juda ko'p qatlamlarni qo'shish tendentsiyasi murakkab tasvirlardan muhim xususiyatlarni ajratib olishdir. Shunday qilib, birinchi qatlamlar qirralarni aniqlashi mumkin, va keyingi qatlamlar oxirida taniqli shakllarni, masalan, avtomobil shinalari kabi aniqlashi mumkin. Ammo biz tarmoqqa 30 dan ortiq qatlamlarni qo'shsak, uning ishlashi yomonlashadi va u past aniqlikka erishadi. Bu qatlamlarning qo'shilishi neyron tarmog'ini yaxshilaydi degan fikrga zid. Bu ortiqcha ishlov berish bilan bog'liq emas, chunki bu holda muammoni butunlay hal qilish uchun tashlab yuborish va tartibga solish usullaridan foydalanish mumkin. Bu asosan yo'qolib borayotgan gradient muammosi tufayli mavjud.