เครือข่ายระบบประสาทมัลติคลาส: หนึ่งกับทั้งหมด

จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ

การใช้ 1 อย่างกับทั้งหมดช่วยให้คุณใช้ประโยชน์จากการแยกประเภทไบนารีได้ เมื่อพิจารณาถึงการแยกประเภทโซลูชัน N ที่เป็นไปได้ โซลูชันแบบ 1 เทียบกับทั้งหมด ประกอบด้วยตัวแยกประเภทไบนารี N ตัวแยกต่างหาก ซึ่งก็คือตัวแยกประเภทไบนารี 1 ตัวสําหรับผลลัพธ์ที่เป็นไปได้แต่ละรายการ ในระหว่างการฝึก โมเดลนี้จะทํางานผ่านตัวแยกประเภทแบบไบนารีตามลําดับ โดยฝึกให้แต่ละคําถามช่วยแยกประเภทโจทย์ เช่น รูปภาพสุนัข 1 ตัว ฝึกจดจําได้ 5 แบบ ฝึกให้เห็นภาพเป็นตัวอย่างเชิงลบ (ไม่ใช่สุนัข) และอีก 1 ภาพมองว่าภาพนี้เป็นตัวอย่างที่ดี (สุนัข) โดยการ

  1. รูปภาพนี้ใช่แอปเปิ้ลไหม ไม่มี
  2. รูปนี้ใช่หมีไหม ไม่มี
  3. รูปภาพนี้ใช่ขนมไหม ไม่มี
  4. รูปภาพนี้เป็นสุนัขใช่ไหม มี
  5. รูปภาพนี้เป็นรูปไข่ใช่ไหม ไม่มี

วิธีนี้ค่อนข้างสมเหตุสมผลเมื่อจํานวนชั้นเรียนทั้งหมดมีน้อย แต่มีประสิทธิภาพเพิ่มขึ้นเมื่อจํานวนชั้นเรียนเพิ่มขึ้น

เราสามารถสร้างโมเดลแบบหนึ่งต่อหนึ่งที่มีประสิทธิภาพมากขึ้นอย่างมาก โดยใช้โครงข่ายประสาทแบบลึกที่แต่ละโหนดเอาต์พุตแสดงถึงคลาสที่ต่างกัน รูปต่อไปนี้แนะนําแนวทางนี้

โครงข่ายระบบประสาทเทียมที่มีเลเยอร์ซ่อนอยู่ 5 ชั้นและชั้นเอาต์พุต 5 ชั้น

รูปที่ 1 เครือข่ายระบบประสาทเทียมเทียบกับทุก