समस्या
प्रस्तावित प्रणाली के लिए प्रशिक्षण डेटा इस प्रकार है।
- एक बूलियन मैट्रिक्स एक ठोस ज्यामितीय डिजाइन की सतह के आसन्न का प्रतिनिधित्व करता है
- मैट्रिक्स में भी प्रतिनिधित्व किनारों के आंतरिक और बाहरी कोणों के बीच भेदभाव है
- लेबल (नीचे वर्णित)
उत्तल और अवतल सतह के क्रमिक विक्षेप का वर्णन करने के लिए सही शब्द नहीं हैं। एक आंतरिक किनारा, जैसे कि एक अंत चक्की द्वारा बनाया गया है, वास्तव में अवतल सतह नहीं है। सतह के ढाल असंतोष, आदर्श ठोस मॉडल के दृष्टिकोण से, एक शून्य त्रिज्या है। एक बाहरी किनारा समान कारण के लिए सतह का उत्तल भाग नहीं है।
प्रस्तावित प्रणाली का प्रस्तावित आउटपुट एक बूलियन सरणी है जो विशिष्ट ठोस ज्यामितीय डिजाइन सुविधाओं की उपस्थिति का संकेत देता है।
- एक या अधिक स्लॉट
- एक या एक से अधिक बॉस
- एक या एक से अधिक छेद
- एक या एक से अधिक जेब
- एक या एक से अधिक कदम
बुलियन मूल्यों की इस सरणी का उपयोग प्रशिक्षण के लिए लेबल के रूप में भी किया जाता है।
दृष्टिकोण में संभावित कैविट्स
इस दृष्टिकोण में मानचित्रण असंगतियाँ हैं। वे चार श्रेणियों में से एक में आते हैं।
- मैट्रिक्स में सीएडी मॉडल में टोपोलॉजी के मानचित्रण द्वारा बनाई गई अस्पष्टता - प्रस्तावित ज्यामिति में जिन ठोस ज्यामिति को कैप्चर किया गया है, वे मैट्रिक्स में प्रस्तावित नहीं हैं।
- सीएडी मॉडल जिसके लिए कोई मैट्रिक्स मौजूद नहीं है - ऐसे मामले जहां किनारे आंतरिक से बाहरी कोण में बदलते हैं या वक्रता से निकलते हैं
- मैट्रिक्स से सुविधाओं की पहचान में अस्पष्टता - उन विशेषताओं के बीच ओवरलैप करना जो मैट्रिक्स में पैटर्न की पहचान कर सकते हैं
- उन विशेषताओं का वर्णन करने वाले मैट्रिसेस जो पाँच में से नहीं हैं - यह विकास में डेटा हानि का मुद्दा बन सकता है
ये टोपोलॉजी मुद्दों के कुछ उदाहरण हैं जो कुछ मैकेनिकल डिज़ाइन डोमेन में आम हो सकते हैं और डेटा मैपिंग को बाधित कर सकते हैं।
- एक छेद में आंतरिक रेडिए के साथ एक फ्रेम के समान मैट्रिक्स होता है।
- बाहरी त्रिज्या मैट्रिक्स में ओवरसिम्प्लीफिकेशन को जन्म दे सकती है।
- किनारों के साथ प्रतिच्छेद करने वाले छेद मैट्रिक्स के रूप में अन्य टोपोलॉजी से अप्रभेद्य हो सकते हैं।
- छिद्रों के माध्यम से दो या अधिक प्रतिच्छेदन आसन्न अस्पष्टता पेश कर सकते हैं।
- केंद्र छिद्रों के साथ गोल मालिकों का समर्थन करने वाले नुकीले और पसलियां अप्रभेद्य हो सकती हैं।
- एक गेंद और एक टोरस में एक ही मैट्रिक्स होता है।
- हेक्सागोनल क्रॉस के साथ 180 डिग्री के मोड़ के साथ एक डिस्क और बैंड में एक ही मैट्रिक्स होता है।
प्रश्न में परिभाषित परियोजना के लिए ये संभावित चेतावनी हो सकती है या नहीं।
विश्वसनीयता के साथ एक चेहरे के आकार की क्षमता को सेट करना दक्षता को सीमित करता है। ऐसे दृष्टिकोण हो सकते हैं जो आरएनएन के किसी एक संस्करण का लाभ उठाते हैं, जो सरल ज्यामितीयों के लिए दक्षता से समझौता किए बिना मनमाने मॉडल आकारों के कवरेज की अनुमति दे सकता है। इस तरह के दृष्टिकोण में प्रत्येक उदाहरण के लिए एक अनुक्रम के रूप में मैट्रिक्स को विभाजित करना शामिल हो सकता है, प्रत्येक मैट्रिक्स के लिए एक अच्छी तरह से कल्पना सामान्यीकरण रणनीति लागू कर सकता है। पैडिंग प्रभावी हो सकती है यदि प्रशिक्षण दक्षता पर कोई तंग बाधाएं नहीं हैं और चेहरे की संख्या के लिए एक व्यावहारिक अधिकतम मौजूद है।
काउंट और निश्चितता को आउटपुट के रूप में देखते हुए
∈ [ 0.0 , 1.0 ]
एक गैर-नकारात्मक पूर्णांक आउटपुट का उपयोग करने की संभावना, एक बाइनरी आउटपुट कोशिकाओं को एकत्र करने के द्वारा बनाई गई एक अहस्ताक्षरित बाइनरी प्रतिनिधित्व के रूप में, एक बूलियन प्रति सुविधा के बजाय कम से कम माना जाना चाहिए। डाउनस्ट्रीम, सुविधाओं को गिनने की क्षमता महत्वपूर्ण हो सकती है।
यह विचार करने के लिए पांच यथार्थवादी क्रमबद्धता की ओर जाता है, जिसे प्रत्येक ठोस ज्यामिति मॉडल की प्रत्येक विशेषता के लिए प्रशिक्षित नेटवर्क द्वारा उत्पादित किया जा सकता है।
- बूलियन अस्तित्व का संकेत है
- गैर-नकारात्मक पूर्णांक उदाहरण की संख्या को इंगित करता है
- एक या अधिक उदाहरण की बूलियन और वास्तविक निश्चितता
- गैर-नकारात्मक पूर्णांक एक या अधिक उदाहरणों की सबसे संभावित आवृत्ति गणना और वास्तविक निश्चितता का प्रतिनिधित्व करता है
- गैर-नकारात्मक वास्तविक माध्य और मानक विचलन
पैटर्न मान्यता या क्या?
चएक्सY
च( एक्स))⟹Y
यदि नेटवर्क द्वारा कार्यात्मक रूप से अनुमानित अवधारणा वर्ग को प्रशिक्षण के लिए उपयोग किए गए नमूने में पर्याप्त रूप से दर्शाया गया है और प्रशिक्षण के उदाहरणों का नमूना उसी तरह से तैयार किया गया है जैसे कि लक्ष्य अनुप्रयोग बाद में आकर्षित करेगा, तो अनुमान पर्याप्त होने की संभावना है।
सूचना सिद्धांत की दुनिया में, पैटर्न मान्यता और कार्यात्मक सन्निकटन के बीच अंतर का एक धुंधलापन है, क्योंकि उस उच्च स्तर एआई वैचारिक अमूर्तता में होना चाहिए।
साध्यता
क्या नेटवर्क डिजाइन सुविधाओं के [बुलियन [संकेतक] के सरणी के लिए मैट्रिसेस को मैप करना सीखेगा?
यदि उपरोक्त सूचीबद्ध कार्य परियोजना हितधारकों के लिए स्वीकार्य हैं, तो उदाहरणों को अच्छी तरह से लेबल किया गया है और पर्याप्त संख्या में प्रदान किया गया है, और डेटा सामान्यीकरण, हानि फ़ंक्शन, हाइपर-पैरामीटर और परत की व्यवस्था को अच्छी तरह से सेट किया गया है, यह संभवतः अभिसरण के दौरान होगा। प्रशिक्षण और एक उचित स्वचालित सुविधा पहचान प्रणाली। फिर, इसकी प्रयोज्यता नई ठोस ज्यामितीयताओं पर आधारित है जिसे प्रशिक्षण के उदाहरणों की तरह अवधारणा वर्ग से खींचा जा रहा था। सिस्टम विश्वसनीयता प्रशिक्षण पर निर्भर करती है जो बाद के उपयोग के मामलों का प्रतिनिधि है।
