ПРО ОСОБЛИВОСТІ ФОРМУВАННЯ ВХІДНИХ ДАНИХ У СІАМСЬКІЙ НЕЙРОННІЙ МЕРЕЖІ
DOI:
https://doi.org/10.26906/SUNZ.2024.3.193Ключові слова:
сіамська нейронна мережа, дескриптор, тестування нейронної мережіАнотація
Проаналізовано різні способи формування вхідних даних та оцінок дескрипторів сіамської нейронної мережі СНМ) для порівняння зображень рукописних цифр. Запропоновано спосіб використання квазівипадкової N-вимірної послідовності векторів, сформованих відповідно до методу Соболя, для формування дескрипторів, які, спільно із зображеннями, є вхідними даними для навчання СНМ та її подальшого використання. Виконано тестування сіамської нейронної мережі з використанням отриманих оцінок дескрипторів зображень рукописних цифр. Під час тестування СНМ використовувався набір MNIST. Результат тестування моделі СНМ дав значення показника accuracy, що дорівнює 0.9706. Результати тестування засвідчили, що розглянуті оцінки дескрипторів h1 і h2 зменшують кількість помилок під час тестування порівняно з використанням дескриптора h0 на основі квазівипадкової N-вимірної послідовності векторів.Завантаження
Посилання
Chicco D. Siamese Neural Networks: An Overview. Artificial Neural Networks. 2021. MIMB, vol. 2190. P. 73–94. URL: https://link.springer.com/protocol/10.1007/978-1-0716-0826-5_3
Шостак А. В. Про особливості формування дескрипторів у сіамській нейронній мережі. Системи управління, навігації та зв'язку. Полтава: НУ ПП, 2021. Вип. 4(66). С. 91–96. DOI: https://doi.org/10.26906/SUNZ.2021.4.079
Contrastive loss for Siamese networks with Keras and TensorFlow. URL: https://www.pyimagesearch.com/2021/01/18/contrastive-loss-for-siamese-networks-with-keras-and-tensorflow/
Image similarity estimation using a Siamese Network with a contrastive loss. URL: https://keras.io/examples/vision/siamese_contrastive/
The Mnist database of handwritten digits. URL: http://yann.lecun.com/exdb/mnist/
Owen, A.B. On Dropping the First Sobol’ Point. In: Keller, A. (eds) Monte Carlo and Quasi-Monte Carlo Methods. MCQMC 2020. Springer Proc. in Mathematics & Statistics, vol 387. Springer, Cham. DOI: https://doi.org/10.1007/978-3-030-98319-2_4
Roberts M. The Unreasonable Effectiveness of Quasirandom Sequences. 2020. URL: https://extremelearning.com.au/unreasonable-effectiveness-of-quasirandom-sequences/
Halton J. H. On the efficiency of certain quasi-random sequences of points in evaluating multidimensional integrals. Numer. Math. 1960. Vol. 2. P. 84–90. DOI: https://doi.org/10.1007/BF01386213
