Пояснительная

Сверточные нейронные сети (СНС)

Сверточная нейронная сеть (англ. convolutional neural network, CNN) специальная архитектура ИНС, впервые предложенная Яном Лекуном и направленная на эффективное распознавание изображений, входит в состав технологий глубокого обучения (англ. deep leaning). Эта технология постро- ена по аналогии с принципами работы зрительной коры головного мозга, в которой были открыты так называемые простые клетки, реагирующие на прямые линии под разными углами, и сложные клетки, реакция кото- рых связана с активацией определенного набора простых клеток. Таким образом, идея сверточных нейронных сетей заключается в чередовании сверточных слоев (англ. convolution layers) и субдискретизирующих слоев (англ. subsampling layers, слоев под выборки). [10]
Архитектура сверхточной сети изображено рисунке 2.3

Рисунок 2.3 – Архитектура сверхточной нейронной сети.

Ключевым моментом в понимании сверточных нейронных сетей яв- ляется понятие так называемых «разделяемых весов, т.е. часть нейронов некоторого рассматриваемого слоя нейронной сети может использовать одни и те же весовые коэффициенты. Нейроны, использующие одни и те же веса, объединяются в карты признаков (англ. feature maps), а каждый нейрон карты признаков связан с частью нейронов предыдущего слоя. При вычислении сети получается, что каждый нейрон выполняет свертку (опе- рацию конволюции) некоторой области предыдущего слоя (определяемой множеством нейронов, связанных с данным нейроном). Слои нейронной сети, построенные описанным образом, называются сверточными слоями. Помимо, сверточных слоев в сверточной нейронной сети могут быть слои субдискретизации (выполняющие функции уменьшения размерности про- странства карт признаков) и полно связные слои (выходной слой, как правило, всегда полно связный). Все три вида слоев могут чередоваться в произвольном порядке, выделяя карты признаков из карт признаков, а это на практике означает способность распознавания сложных иерархий признаков. К сожалению, количественные параметры сверточной нейронной сети должны подбираться строго под поставленную задачу после проведе- ния ряда экспериментов для доказательства допустимости той или иной конфигурации.

3.