कैप्सूल नेटवर्क
कैप्सूल नेटवर्क एक तंत्रिका वास्तुकला है जो न्यूरॉन्स को 'कैप्सूल' में समूहित करता है जो कि एक सुविधा मौजूद है या नहीं और इसकी मुद्रा (स्थिति, अभिविन्यास, स्केल) दोनों को एन्कोडिंग करने वाले आउटपुट वैक्टर हैं।
सिंहावलोकन
They aim to fix a core blindness in standard convolutional networks: losing track of spatial relationships between parts.
गहरा गोता
2017 में जेफ्री हिंटन, सारा सबौर और निकोलस फ्रॉस्ट द्वारा प्रस्तावित, कैप्सूल नेटवर्क एक स्केलर न्यूरॉन आउटपुट को एक वेक्टर के साथ बदल देता है। वेक्टर की लंबाई इस संभावना को दर्शाती है कि एक इकाई (जैसे आंख या नाक) मौजूद है, जबकि इसका अभिविन्यास मुद्रा मापदंडों को एन्कोड करता है। निचले-स्तर के कैप्सूल परिवर्तन मैट्रिक्स के माध्यम से उच्च-स्तरीय कैप्सूल की स्थिति की भविष्यवाणी करते हैं, और डायनेमिक रूटिंग-बाय-एग्रीमेंट नामक एक प्रक्रिया यह तय करती है कि किस भविष्यवाणियों पर भरोसा किया जाए। जब कई भाग-कैप्सूल एक ही संपूर्ण पर सहमत होते हैं, तो रूटिंग उस कनेक्शन को मजबूत करती है। मूल कैप्सनेट ने एमएनआईएसटी पर मजबूत परिणाम हासिल किए और ओवरलैपिंग अंकों और एफाइन ट्रांसफॉर्मेशन के लिए विशेष रूप से मजबूत थे, 'पिकासो समस्या' को संबोधित करते हुए जहां सीएनएन अव्यवस्थित चेहरे की विशेषताओं को वैध चेहरे के रूप में स्वीकार करते हैं।
तकनीकी अंतर्दृष्टि
मुख्य तंत्र एक 'स्क्वैश' गैर-रैखिकता है जो छोटे वैक्टर को शून्य की ओर और लंबे वैक्टर को लंबाई एक की ओर सिकोड़ता है, इसलिए वेक्टर परिमाण एक संभावना के रूप में पढ़ता है। डायनेमिक रूटिंग तब सॉफ्टमैक्स-वेटेड एग्रीमेंट चरण के कुछ पुनरावृत्तियों को चलाती है: प्रत्येक निचला कैप्सूल अपनी भविष्यवाणी ऊपर भेजता है, और उच्च कैप्सूल के लिए युग्मन गुणांक बढ़ जाता है जिसका आउटपुट उस भविष्यवाणी के साथ संरेखित होता है (डॉट उत्पाद के माध्यम से)। यह मैक्स-पूलिंग की जगह लेता है, सटीक स्थानिक जानकारी को त्यागने के बजाय संरक्षित करता है।
सामरिक प्रभाव
लागत और बजट
वास्तुकला संबंधी निर्णय वर्षों तक प्रदर्शन और परिचालन लागत को संचालित करते हैं।
स्पष्ट निर्णय
तकनीकी शिक्षा टीमों को सही स्टैक चुनने में मदद करती है, न कि केवल नवीनतम स्टैक चुनने में।
गुणवत्ता नियंत्रण
बेहतर इंजीनियरिंग विकल्प उत्पादन में विश्वसनीयता की घटनाओं को कम करते हैं।
कैप्सूल नेटवर्क का भविष्य
कैप्सूल नेटवर्क एक तैनात मानक की तुलना में अधिक शोध दिशा बने हुए हैं, मुख्यतः क्योंकि डायनेमिक रूटिंग कम्प्यूटेशनल रूप से महंगी है और इमेजनेट जैसी बड़ी छवियों के लिए खराब पैमाने पर है। बाद में कार्यकुशलता में सुधार के लिए ईएम रूटिंग (मैट्रिक्स कैप्सूल) और आत्म-ध्यान-आधारित रूटिंग की खोज की गई। जैसे-जैसे समतुल्यता, नमूना दक्षता और व्याख्या योग्य भाग-संपूर्ण पदानुक्रम में रुचि बढ़ती है, कैप्सूल विचार अनुसंधान को प्रभावित करना जारी रखते हैं, जिसमें हिंटन का बाद का जीएलओएम प्रस्ताव भी शामिल है, भले ही ट्रांसफार्मर मुख्यधारा की दृष्टि पर हावी हो।
वास्तविक विश्व कार्यान्वयन
कैप्सूल वैक्टर से इनपुट का पुनर्निर्माण करते हुए एमएनआईएसटी पर हस्तलिखित अंकों को वर्गीकृत करना, पोज़ पैरामीटर को सार्थक दिखाना।
कौन से पिक्सेल किस इकाई से संबंधित हैं, इसे खंडित करके दो ओवरलैपिंग अंकों (मल्टीएमएनआईएसटी कार्य) को अलग करना।
फेफड़ों के नोड्यूल या मस्तिष्क ट्यूमर का पता लगाने के लिए कैप्सूल का उपयोग करके मेडिकल इमेजिंग अनुसंधान जहां आंशिक-संपूर्ण स्थानिक संबंध मायने रखते हैं।
कम प्रशिक्षण उदाहरणों के साथ नवीन दृष्टिकोण से वस्तुओं को पहचानना, वास्तुकला के अंतर्निहित दृष्टिकोण समतुल्यता का लाभ उठाना।
जोखिम और रेलिंग
एक बेंचमार्क को अनुकूलित करने से व्यापक सिस्टम कमजोरियों को छुपाया जा सकता है।
बुनियादी ढांचे और रखरखाव की लागत को अक्सर कम करके आंका जाता है।
जैसे-जैसे सिस्टम अधिक जटिल होते जाएंगे सुरक्षा और अवलोकन संबंधी अंतराल बढ़ सकते हैं।
कार्यान्वयन रोडमैप
कार्यान्वयन से पहले विलंबता, गुणवत्ता और लागत लक्ष्य परिभाषित करें।
यथार्थवादी लोड और डेटा स्थितियों के तहत बेंचमार्क।
त्रुटियों, बहाव और उपयोगकर्ता प्रभाव के लिए उपकरण निगरानी।
स्केलिंग से पहले रोलबैक और घटना प्रतिक्रिया पथ तैयार करें।
अन्वेषण करते रहें
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Capsule Networks quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
अगली गाइड
राजमार्ग नेटवर्क और स्किप कनेक्शन
अक्सर पूछे जाने वाले प्रश्नों
What is Capsule Networks?
कैप्सूल नेटवर्क एक तंत्रिका वास्तुकला है जो न्यूरॉन्स को 'कैप्सूल' में समूहित करता है जो कि एक सुविधा मौजूद है या नहीं और इसकी मुद्रा (स्थिति, अभिविन्यास, स्केल) दोनों को एन्कोडिंग करने वाले आउटपुट वैक्टर हैं। उनका लक्ष्य मानक कन्वेन्शनल नेटवर्क में मुख्य अंधता को ठीक करना है: भागों के बीच स्थानिक संबंधों का ट्रैक खोना।
एक कैप्सूल नेटवर्क में, कैप्सूल के आउटपुट वेक्टर की लंबाई क्या दर्शाती है?
वेक्टर की लंबाई (परिमाण) इस संभावना को कूटबद्ध करती है कि इकाई मौजूद है, जबकि इसका अभिविन्यास स्थिति और रोटेशन जैसे मापदंडों को कूटबद्ध करता है।
मानक सीएनएन के साथ किस समस्या को संबोधित करने के लिए कैप्सूल नेटवर्क को विशेष रूप से डिज़ाइन किया गया था?
अधिकतम-पूलिंग वाले सीएनएन सटीक स्थानिक संबंधों को त्याग देते हैं, इसलिए गलत सुविधाओं वाला चेहरा अभी भी उच्च स्कोर कर सकता है। यह 'पिकासो समस्या' है जिसे कैप्सूल ठीक करने का प्रयास करते हैं।
उस एल्गोरिदम का नाम क्या है जो यह तय करता है कि कौन से निचले स्तर के कैप्सूल किस उच्च स्तर के कैप्सूल से जुड़ते हैं?
डायनामिक रूटिंग-बाय-एग्रीमेंट पुनरावृत्त रूप से उन कैप्सूलों के बीच कनेक्शन को मजबूत करता है जिनकी भविष्यवाणियां उच्च कैप्सूल के आउटपुट से सहमत होती हैं।
2017 में डायनेमिक रूटिंग के साथ कैप्सूल नेटवर्क की शुरुआत किसने की?
2017 का पेपर 'डायनेमिक रूटिंग बिटवीन कैप्सूल्स' सारा सबौर, निकोलस फ्रॉस्ट और जेफ्री हिंटन द्वारा लिखा गया था।
कैप्सूल नेटवर्क में 'स्क्वैश' फ़ंक्शन का उद्देश्य क्या है?
स्क्वैश अरैखिकता छोटे वैक्टरों को शून्य की ओर सिकोड़ देती है और लंबे वैक्टरों को लंबाई एक के करीब सीमित कर देती है, इसलिए अभिविन्यास (मुद्रा) संरक्षित रहते हुए परिमाण को संभाव्यता के रूप में पढ़ा जा सकता है।