ألكسنت

مقدمة

من جهة ثانية، في سنة 2015، تفوقت الشبكة التلافيفة العميقة جدًا التابعة لشركة والتي تحتوي على أكثر من 100 طبقة على في الأداء، وفازت في مسابقة أميج نت عام 2015.

وفي السياق ذاته، بحسب الورقة البحثية التي قدمت تصميم فإن تصميم شبكة الأول يشبه تصميم شبكة . نفذ كليهما في الأصل باستخدام منصة الحوسبة المتوزعة كودا للتشغيل والتي تدعم وحدة معالجة الرسوميات. في الواقع، يعد كليهما مجرد أشكال مختلفة لتصميمات الشبكات التلافيفة التي قدمها يان ليكون عام 1989. والذي طبق خوارزمية الانتشار الخلفي على نسخ مختلفة من بنية الشبكات العصبية التلافيفة الأصلية لصاحبها كونيهيكو فوكوشيما والتي كانت تسمى آنذاك نيوكونييترون. عُدلت البنية لاحقًا بواسطة طريقة التي تسمى مضاعفة المرشحات .

ومن جهة أخرى، فوز بأسرع تطبيق للشبكات العصبية التلافيفية على وحدة معالجة الرسومات لم يكن الأول في مسابقة التعرف على الصور. فقد كانت أول شبكة تلافيفية عصبية تنفذ على وحدة معالجة الرسوميات عام (2006) من تنفيذ أسرع بأربع مرات من التنفيذ المكافئ على وحدة المعالجة المركزية. كذلك يوجد نموذج تصميمي أخر سمي الشبكة التلافيفية العميقة من تقديم عام 2011 والذي قدم من قبل معهد دالي مولي لأبحاث الذكاء الاصطناعي والذي كان أسرع 60 مرة عند تنفيذه على وحدة معالجة الرسومات و الذى تفوق على نسخته السابقة في إصدار أحدث في أغسطس 2011. كما فازت شبكة التلافيفة العميقة بما لا يقل عن أربع مسابقات للصور بين 15 مايو 2011 و10 سبتمبر 2012. كذلك قدمت تحسناً بصورة ملحوظة في أفضل أداء على الكثير من قواعد بيانات للصور المختلفة.

أهمية بنية ألكسنت

وفي السياق ذاته، تعتبر واحدة من أكثر الأبحاث المنشورة تأثيرًا في الرؤية الحاسوبية، حيث حفزت الكثير من الأبحاث المنشورة التي تستعمل الشبكات العصبية التلافيفية ووحدات معالجة الرسوميات لتسريع التعلم العميق. اعتبارًا من أوائل عام 2023، استشهد ببحث أكثر من 120,000 مرة بحسب ـموقع جوجل سكولار.

بنية الشبكة

وعلى صعيد آخر، تحتوي على ثماني طبقات؛ كانت الخمس الأولى منها عبارة عن طبقات تلافيفية، ويتبع بعضها طبقات تسمى بطبقات التجميع وفق القيمة القصوى، وكانت أخر ثلاث طبقات عبارة عن طبقات الاتصال الكامل. قُسمت الشبكة، باستثناء الطبقة الأخيرة، إلى نسختين كل منهما تعمل على وحدة معالجة رسومات منفصلة. يمكن كتابة الهيكل بأكمله كـما يلي:

CNN هي شبكة عصبونية التفافية

حيث:

RN وهي تطبيع الاستجابة المحلية

وفي هذا السياق، كما استعملت دالة تفعيل وحدة التصحيح الخطي من النوع الغير المشبعة، والتي أظهرت تحسنًا في أداء التدريب على دالة الظل الزائدية ودالة سينية.

• MP و هي طبقة تجميع وفق القيمة القصوى
• FC و هي طبقة الاتصال الكامل (باستخدام دالة التفعيل من نوع وحدة التصحيح الخطي )
• Linear و هي طبقة اتصال كامل بدون دالة تفعيل
• DO و هي تقنية تعطيل جزئي لبعض الخلايا العصبية الإصطناعية في الشبكة