A Novel Machine Learning Method For Pattern Recognition And Classification
Bu bölümde, el yazısı rakam tanıma probleminin önemi ve MNIST veritabanının tarihçesi hakkında bilgi verilmektedir. MNIST veritabanı, 60000 eğitim görüntüsü ve 10000 test görüntüsünden oluşan, aynı dağılımdan çekilen gri tonlamalı rakamlardan oluşmaktadır. Bu tür problemler için çeşitli sınıflandırma algoritmaları geliştirilmiştir. Özellik çıkarıcı ve sınıflandırıcı olmak üzere iki ana modüle dayanan çoğu desen tanıma sistemi bulunmaktadır. Geleneksel desen tanıma yöntemlerinde özellik çıkarıcı, giriş desenlerini eşleştirilebilir vektörlere dönüştürür. Yapay sinir ağları ise bu alanda oldukça tercih edilen bir yöntemdir. Son zamanlarda, \"Convolutional Neural Networks\" (CNN) olarak adlandırılan bir tür yapay sinir ağı modeli, görüntü sınıflandırma ve desen tanıma problemleri için en iyi yaklaşımlardan biri olarak kabul edilmektedir. Ayrıca, ağın boyutunu azaltmak ve aşırı uyumunu önlemek için parametre sayısını azaltma yöntemleri de bulunmaktadır. Ayrıca, ağın performansı boyuttan daha önemli olduğu durumlarda bağlantı/parametre düşürme ve L1/L2 düzenlemesi gibi düzenleme yöntemleri kullanılabilir. Bu bölümde ayrıca, AVL ağaç yapısı kullanılarak şekil depolama ve geri alma işlemlerinin logaritmik zaman karmaşıklığına sahip olduğu belirtilmektedir.(AI)
Atıf Sayısı :
