


Anwendung gemeinsamer Verlustfunktionen in neuronalen Zwillingsnetzen
Das neuronale Zwillingsnetzwerk ist ein neuronales Netzwerk mit einer Struktur mit zwei Zweigen, das häufig für Ähnlichkeitsmessungs-, Klassifizierungs- und Abrufaufgaben verwendet wird. Die beiden Zweige eines solchen Netzwerks haben die gleiche Struktur und die gleichen Parameter. Nachdem die Eingabe jeweils zwei Zweige durchlaufen hat, wird die Ähnlichkeit über die Ähnlichkeitsmessschicht berechnet (z. B. euklidischer Abstand, Manhattan-Abstand usw.). Beim Training wird üblicherweise eine kontrastive Verlustfunktion oder eine Triplett-Verlustfunktion verwendet.
Die Kontrastverlustfunktion ist eine binäre Klassifizierungsverlustfunktion für siamesische neuronale Netze. Sie zielt darauf ab, die Ähnlichkeit ähnlicher Proben auf nahe 1 und die Ähnlichkeit verschiedener Arten von Proben auf nahe 0 zu maximieren. Sein mathematischer Ausdruck lautet wie folgt:
L_{con}(y,d)=ycdot d^2+(1-y)cdotmax(m-d,0)^2
Diese Verlustfunktion wird zum Messen verwendet zwei Ähnlichkeiten zwischen Proben und entsprechend der Kategorie der Probe optimiert. Unter diesen stellt y dar, ob die Stichprobe zur gleichen Kategorie gehört, d stellt die Ähnlichkeit der beiden Stichproben dar und m stellt einen voreingestellten Grenzwert dar. Wenn y = 1 ist, besteht das Ziel der Verlustfunktion darin, d so klein wie möglich zu machen, auch wenn zwei Stichproben derselben Kategorie ähnlicher sind. Zu diesem Zeitpunkt kann der Wert der Verlustfunktion durch das Quadrat von d ausgedrückt werden, dh der Wert der Verlustfunktion beträgt d ^ 2. Wenn y = 0 ist, besteht das Ziel der Verlustfunktion darin, d größer als m zu machen, selbst wenn die Stichproben zweier verschiedener Kategorien so unterschiedlich wie möglich sind. Wenn d zu diesem Zeitpunkt kleiner als m ist, beträgt der Wert der Verlustfunktion d ^ 2, was die Ähnlichkeit zwischen den Stichproben anzeigt. Wenn d größer als m ist, ist der Wert der Verlustfunktion 0, was die Ähnlichkeit zwischen den Stichproben anzeigt Unter der Annahme, dass der Grenzwert m überschritten wurde, wird der Verlust nicht mehr berechnet.
Die Triplett-Verlustfunktion ist eine Verlustfunktion, die in neuronalen Zwillingsnetzen verwendet wird. Sie zielt darauf ab, den Abstand zwischen Stichproben desselben Typs zu minimieren und zu maximieren der Abstand zwischen Proben unterschiedlichen Typs. Der mathematische Ausdruck dieser Funktion lautet wie folgt:
L_{tri}(a,p,n)=max(|f(a)-f(p)|^2-|f(a)-f( n )|^2+margin,0)
Unter diesen stellt a die Ankerprobe dar, p stellt die gleiche Art von Probe dar, n stellt die unterschiedliche Art von Probe dar und f stellt die Merkmalsextraktionsschicht des siamesischen neuronalen Netzwerks dar , |cdot|. stellt den euklidischen Abstand dar, margin stellt einen voreingestellten Grenzwert dar. Das Ziel der Verlustfunktion besteht darin, den Abstand zwischen Stichproben desselben Typs so klein wie möglich und den Abstand zwischen Stichproben unterschiedlichen Typs so groß wie möglich und größer als die Spanne zu machen. Wenn der Abstand zwischen Stichproben desselben Typs kleiner ist als der Abstand von Stichproben unterschiedlichen Typs abzüglich der Marge, ist der Wert der Verlustfunktion 0, wenn der Abstand von Stichproben desselben Typs größer ist als der Abstand von Stichproben unterschiedlichen Typs Abzüglich der Marge ist der Wert der Verlustfunktion die Differenz zwischen den beiden Abständen.
Kontrastverlustfunktion und Triplettverlustfunktion sind beide häufig verwendete Verlustfunktionen für neuronale Zwillingsnetzwerke. Ihr Ziel besteht darin, Stichproben derselben Kategorie im Merkmalsraum so nah wie möglich und Stichproben verschiedener Kategorien so weit wie möglich voneinander entfernt zu platzieren im Feature-Bereich. In praktischen Anwendungen kann eine geeignete Verlustfunktion basierend auf bestimmten Aufgaben und Datensätzen ausgewählt und mit anderen Techniken (wie Datenverbesserung, Regularisierung usw.) zur Modelloptimierung kombiniert werden.
Das obige ist der detaillierte Inhalt vonAnwendung gemeinsamer Verlustfunktionen in neuronalen Zwillingsnetzen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Der Begriff "AI-fähige Belegschaft" wird häufig verwendet, aber was bedeutet das in der Lieferkettenindustrie wirklich? Nach Abe Eshkenazi, CEO des Association for Supply Chain Management (ASCM), bedeutet dies Fachkräfte, die kritisch sind

Die dezentrale KI -Revolution gewinnt leise an Dynamik. An diesem Freitag in Austin, Texas, markiert der Bittensor Endgame Summit einen entscheidenden Moment, in dem die dezentrale KI (DEAI) von Theorie zu praktischer Anwendung übergeht. Im Gegensatz zum glitzernden Werbespot

Enterprise KI steht vor der Datenintegrationsprobleme Die Anwendung von Enterprise KI steht vor einer großen Herausforderung: Aufbau von Systemen, die die Genauigkeit und Praktikabilität durch kontinuierlich lernende Geschäftsdaten aufrechterhalten können. NEMO Microservices lösen dieses Problem, indem er das erstellt, was NVIDIA als "Datenschwungrad" beschreibt und KI -Systemen durch kontinuierliche Exposition gegenüber Unternehmensinformationen und Benutzerinteraktion relevant bleibt. Dieses neu gestartete Toolkit enthält fünf wichtige Microservices: Nemo Customizer behandelt die Feinabstimmung großer Sprachmodelle mit höherem Trainingsdurchsatz. NEMO Evaluator bietet eine vereinfachte Bewertung von KI -Modellen für benutzerdefinierte Benchmarks. NEMO -Leitplanken implementiert Sicherheitskontrollen, um die Einhaltung und Angemessenheit aufrechtzuerhalten

AI: Die Zukunft von Kunst und Design Künstliche Intelligenz (KI) verändert das Kunst- und Designgebiet auf beispiellose Weise, und seine Auswirkungen beschränken sich nicht mehr auf Amateure, sondern beeinflussen jedoch die Fachkräfte. Kunstwerke und Designschemata, die von KI erzeugt wurden, ersetzen traditionelle materielle Bilder und Designer in vielen Transaktionsdesignaktivitäten wie Werbung, Social -Media -Bildgenerierung und Webdesign schnell. Professionelle Künstler und Designer finden jedoch auch den praktischen Wert von KI. Sie verwenden AI als Hilfsmittel, um neue ästhetische Möglichkeiten zu erforschen, verschiedene Stile zu mischen und neuartige visuelle Effekte zu erzeugen. KI hilft Künstlern und Designer, sich wiederholende Aufgaben zu automatisieren, verschiedene Designelemente vorzuschlagen und kreative Eingaben zu leisten. AI unterstützt den Stiltransfer, der einen Bildstil anwenden soll

Zoom, ursprünglich für seine Video -Konferenz -Plattform bekannt, führt eine Revolution am Arbeitsplatz mit der innovativen Nutzung der Agenten -KI. Ein aktuelles Gespräch mit Zooms CTO, XD Huang, enthüllte die ehrgeizige Vision des Unternehmens. Definieren von Agenten AI Huang d

Wird AI die Bildung revolutionieren? Diese Frage führt zu ernsthafter Reflexion unter Pädagogen und Stakeholdern. Die Integration von KI in Bildung bietet sowohl Chancen als auch Herausforderungen. Wie Matthew Lynch von The Tech Edvocate bemerkt, Universität

Die Entwicklung wissenschaftlicher Forschung und Technologie in den Vereinigten Staaten kann vor Herausforderungen stehen, möglicherweise aufgrund von Budgetkürzungen. Nach der Natur stieg die Zahl der amerikanischen Wissenschaftler, die sich für Arbeitsplätze in Übersee bewerben, von Januar bis März 2025 im Vergleich zum gleichen Zeitraum von 2024 um 32%. Eine frühere Umfrage ergab, dass 75% der untersuchten Forscher über die Suche nach Arbeitsplätzen in Europa und Kanada in Betracht gezogen wurden. In den letzten Monaten wurden Hunderte von NIH- und NSF-Zuschüssen beendet, wobei die neuen Zuschüsse von NIH in diesem Jahr um etwa 2,3 Milliarden US-Dollar gesunken sind, ein Rückgang von fast einem Drittel. Der durchgesickerte Haushaltsvorschlag zeigt, dass die Trump -Administration mit einer möglichen Reduzierung von um bis zu 50%ein starkes Budget für wissenschaftliche Institutionen in Betracht zieht. Die Turbulenzen auf dem Gebiet der Grundlagenforschung haben sich auch auf einen der Hauptvorteile der Vereinigten Staaten ausgewirkt: die Gewinnung von Talenten in Übersee. 35

OpenAI enthüllt die leistungsstarke GPT-4.1-Serie: eine Familie von drei fortschrittlichen Sprachmodellen für reale Anwendungen. Dieser signifikante Sprung nach vorne bietet schnellere Reaktionszeiten, verbessertes Verständnis und drastisch reduzierte Kosten im Vergleich t t


Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

Sicherer Prüfungsbrowser
Safe Exam Browser ist eine sichere Browserumgebung für die sichere Teilnahme an Online-Prüfungen. Diese Software verwandelt jeden Computer in einen sicheren Arbeitsplatz. Es kontrolliert den Zugriff auf alle Dienstprogramme und verhindert, dass Schüler nicht autorisierte Ressourcen nutzen.

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SAP NetWeaver Server-Adapter für Eclipse
Integrieren Sie Eclipse mit dem SAP NetWeaver-Anwendungsserver.

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

EditPlus chinesische Crack-Version
Geringe Größe, Syntaxhervorhebung, unterstützt keine Code-Eingabeaufforderungsfunktion
