


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!

KI verstärken die Zubereitung der Lebensmittel KI -Systeme werden während der Nahten immer noch in der Zubereitung von Nahrungsmitteln eingesetzt. KI-gesteuerte Roboter werden in Küchen verwendet, um Aufgaben zur Zubereitung von Lebensmitteln zu automatisieren, z.

Einführung Das Verständnis der Namespaces, Scopes und des Verhaltens von Variablen in Python -Funktionen ist entscheidend, um effizient zu schreiben und Laufzeitfehler oder Ausnahmen zu vermeiden. In diesem Artikel werden wir uns mit verschiedenen ASP befassen

Einführung Stellen Sie sich vor, Sie gehen durch eine Kunstgalerie, umgeben von lebhaften Gemälden und Skulpturen. Was wäre, wenn Sie jedem Stück eine Frage stellen und eine sinnvolle Antwort erhalten könnten? Sie könnten fragen: „Welche Geschichte erzählst du?

In diesem Monat hat MediaTek in diesem Monat eine Reihe von Ankündigungen gemacht, darunter das neue Kompanio Ultra und die Abmessung 9400. Diese Produkte füllen die traditionelleren Teile von MediaTeks Geschäft aus, die Chips für Smartphone enthalten

#1 Google gestartet Agent2Agent Die Geschichte: Es ist Montagmorgen. Als mit KI betriebener Personalvermittler arbeiten Sie intelligenter, nicht härter. Sie melden sich im Dashboard Ihres Unternehmens auf Ihrem Telefon an. Es sagt Ihnen, dass drei kritische Rollen bezogen, überprüft und geplant wurden

Ich würde vermuten, dass du es sein musst. Wir alle scheinen zu wissen, dass Psychobabble aus verschiedenen Geschwätzern besteht, die verschiedene psychologische Terminologie mischen und oft entweder unverständlich oder völlig unsinnig sind. Alles was Sie tun müssen, um fo zu spucken

Laut einer neuen Studie, die diese Woche veröffentlicht wurde, wurden im Jahr 2022 nur 9,5% der im Jahr 2022 hergestellten Kunststoffe aus recycelten Materialien hergestellt. In der Zwischenzeit häufen sich Plastik weiter in Deponien - und Ökosystemen - um die Welt. Aber Hilfe ist unterwegs. Ein Team von Engin

Mein jüngstes Gespräch mit Andy Macmillan, CEO der führenden Unternehmensanalyse -Plattform Alteryx, zeigte diese kritische, aber unterschätzte Rolle in der KI -Revolution. Wie Macmillan erklärt, die Lücke zwischen Rohgeschäftsdaten und KI-fertigen Informat


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

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

MinGW – Minimalistisches GNU für Windows
Dieses Projekt wird derzeit auf osdn.net/projects/mingw migriert. Sie können uns dort weiterhin folgen. MinGW: Eine native Windows-Portierung der GNU Compiler Collection (GCC), frei verteilbare Importbibliotheken und Header-Dateien zum Erstellen nativer Windows-Anwendungen, einschließlich Erweiterungen der MSVC-Laufzeit zur Unterstützung der C99-Funktionalität. Die gesamte MinGW-Software kann auf 64-Bit-Windows-Plattformen ausgeführt werden.

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

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

Dreamweaver Mac
Visuelle Webentwicklungstools

SublimeText3 Linux neue Version
SublimeText3 Linux neueste Version