Prov 3 AI Convolutional Neural Network (CNN)

Question 1

Lagerarkitektur

Answer 1

Hur lagren är organiserade i ett CNN.

Question 2

Lagertyper

Answer 2

De viktigaste lagren i CNN

• Convolution layer
• Max pooling layer
• Flattening
• Dense layer

Question 2

Fördelar med CNN

Answer 2

Effektiva för bildigenkänning, reducerar beräkningar genom automatisk egenskapsutvinning och mindre parametrar.

Question 3

Användning

Answer 3

• Bild- och objektigenkänning
• Medicinsk bildbehandling
• Text- och handskriftigenkänning
• Satellit- och rymdbilder

Question 4

Convolution layer

Answer 4

Applicerar filter/kärnor på bilden för att extrahera viktiga egenskaper som kanter, texturer och mönster.

Question 5

Max pooling layer.

Answer 5

Reducerar dimensionerna på feature maps genom att ta det maximala värdet inom en viss region, vilket hjälper till att minska beräkningskostnaden och gör nätverket mer robust mot små variationer

Question 6

Flattening

Answer 6

Omvandlar de tvådimensionella feature maps till en en-dimensionell vektor, vilket krävs för att ansluta till fullt anslutna lager.

Question 7

Dense layer

Answer 7

Ett fullt anslutet lager där varje neuron är kopplad till alla neuroner i föregående lager, används för att kombinera extraherade egenskaper och göra slutliga förutsägelser.