Մենք բոլորս ծանոթ ենք նեյրոնային ցանցերի՝ ձեռագիր տեքստը ճանաչելու ունակությանը: Այս տեխնոլոգիայի հիմունքները գոյություն ունեն երկար տարիներ, բայց համեմատաբար վերջերս է, որ հաշվողական հզորության և զուգահեռ մշակման թռիչքները այս տեխնոլոգիան դարձրել են շատ գործնական լուծում: Այնուամենայնիվ, այս գործնական լուծումը, ըստ էության, կլինի թվային համակարգչի տեսքով, որը բազմիցս փոխում է բիթերը, ինչպես ցանկացած այլ ծրագիր: Բայց դա այդպես չէ նեյրոնային ցանցի դեպքում, որը մշակվել է Վիսկոնսինի, MIT-ի և Կոլումբիայի համալսարանների հետազոտողների կողմից: Նրանք .
Այս ապակին պարունակում է ճշգրիտ տեղակայված ներդիրներ, ինչպիսիք են օդային փուչիկները, գրաֆենի կեղտերը և այլ նյութեր: Երբ լույսը դիպչում է ապակին, ստեղծվում են բարդ ալիքային նախշեր, ինչը հանգեցնում է նրան, որ լույսը դառնում է ավելի ինտենսիվ տասը հատվածներից մեկում: Այս ոլորտներից յուրաքանչյուրը համապատասխանում է մի թվի: Օրինակ՝ ստորև բերված են երկու օրինակ, որոնք ցույց են տալիս, թե ինչպես է լույսը շարժվում «երկու» թիվը ճանաչելիս:
5000 պատկերների ուսուցման հավաքածուով նեյրոնային ցանցը կարողանում է ճիշտ ճանաչել 79 մուտքագրված պատկերների 1000%-ը: Թիմը կարծում է, որ նրանք կարող են բարելավել արդյունքը, եթե կարողանան շրջանցել ապակու արտադրության գործընթացի հետևանքով առաջացած սահմանափակումները: Նրանք սկսել են սարքի շատ սահմանափակ դիզայնից՝ աշխատանքային նախատիպ ստանալու համար։ Հաջորդը, նրանք նախատեսում են շարունակել ճանաչման որակը բարելավելու տարբեր ուղիների ուսումնասիրությունը՝ միաժամանակ փորձելով չափազանց չբարդացնել տեխնոլոգիան, որպեսզի այն հետագայում օգտագործվի արտադրության մեջ: Թիմը նաև պլաններ ունի ստեղծելու ապակու մեջ XNUMXD նեյրոնային ցանց:
Source: www.habr.com