18. Mashinali o`qitish

1. Tasvirni aniqlash. (Image recognation)
Bu eng keng tarqalgan mashinaviy o'rganish dasturlaridan biridir. Obyektni raqamli rasm sifatida tasniflashingiz mumkin bo'lgan ko'plab holatlar mavjud. Raqamli tasvirlar uchun o'lchovlar rasmdagi har bir pikselning natijalarini tavsiflaydi. Qora va oq rasm bo'lsa, har bir pikselning intensivligi bitta o'lchov sifatida xizmat qiladi. Shunday qilib, agar qora va oq rasmda N * N piksel bo'lsa, piksellarning umumiy soni va shuning uchun o'lchov N2 bo'ladi. Machine Learning-da ANN-ni muhokama qilaylik. Rangli rasmda har bir piksel 3 ta asosiy rang tarkibiy qismlarining intensivligini 3 o'lchashni ta'minlovchi deb hisoblanadi, ya'ni RGB. Shunday qilib, N * N rangli rasmda 3 N2 o'lchov mavjud. Yuzni aniqlash uchun - kategoriyalar yuzsiz bo'lishi mumkin va yuz yo'q. Bir nechta shaxslarning ma'lumotlar bazasida har bir kishi uchun alohida toifalar bo'lishi mumkin.
Belgilarni aniqlash uchun - biz har bir yozuvni bitta belgidan iborat kichik qismlarga ajratishimiz mumkin. Ushbu toifalar ingliz alifbosining 26 harfidan, 10 ta raqamdan va ba'zi maxsus belgilardan iborat bo'lishi mumkin.

2. Nutqni aniqlash. (Speech recognition)
Nutqni aniqlash (Speech recognition - SR) - bu og'zaki so'zlarning matnga tarjimasi. U "avtomatik nutqni aniqlash" (Automatic Speech recognition-ASR), "kompyuterda nutqni aniqlash" yoki "matndan nutqqa o'tish" sifatida ham tanilgan. Nutqni aniqlashda dasturiy ta'minot og'zaki so'zlarni taniydi. Ushbu Machine Learning dasturidagi o'lchovlar nutq signalini aks ettiradigan raqamlar to'plami bo'lishi mumkin. Signalni aniq so'zlar yoki fonemalarni o'z ichiga olgan qismlarga bo'lishimiz mumkin. Har bir segmentda biz turli vaqt chastotalari diapazonidagi intensivlik yoki energiya orqali nutq signalini namoyish etishimiz mumkin. Signalning namoyishi tafsilotlari ushbu dastur doirasidan tashqarida bo'lsa ham, biz haqiqiy qiymatlar to'plami bilan signalni taqdim etishimiz mumkin.

3. Tibbiy diagnostika (Medical Diagnosis)
Mashinaviy o'qitish turli xil tibbiy sohalarda diagnostika va prognostik muammolarni hal qilishga yordam beradigan usullar, texnik vositalar va vositalarni taqdim etadi. U klinik parametrlar va ularning kombinatsiyasining prognoz uchun ahamiyatini tahlil qilish uchun ishlatiladi, masalan. kasallik rivojlanishini bashorat qilish, natijalarni tadqiq qilish, terapiyani rejalashtirish va qo'llab-quvvatlash va bemorni umumiy boshqarish uchun tibbiy bilimlarni to'plash uchun. Mashinaviy o'qitish ma'lumotni tahlil qilishda, masalan, ma'lumotlarning nomukammalligi bilan tegishli ravishda muomala qilish orqali reanimatsiyani aniqlash, reanimatsiya bo'limida ishlatiladigan uzluksiz ma'lumotlarni izohlash va samarali va samarali kuzatuvga olib keladigan aqlli signal berish uchun ham ishlatiladi.
Mashinaviy o'qitish usullarini muvaffaqiyatli joriy etish sog'liqni saqlash sohasida kompyuterga asoslangan tizimlarni integratsiyalashuviga yordam berishi mumkinligi ta'kidlanadi, bu esa tibbiy mutaxassislarning ishini yengillashtirish va takomillashtirish va pirovardida tibbiy yordamning samaradorligi va sifatini oshirishga imkon beradi.
Tibbiy tashxisda asosiy qiziqish kasallikning mavjudligini aniqlash va undan keyin uni aniq aniqlashdir. Ko'rib chiqilayotgan har bir kasallik uchun alohida toifali va kasallik mavjud bo'lmagan holatlar uchun bitta toifaga ega. Bu yerda mashinaviy o’qitish bemorlarning ma'lumotlarini tahlil qilish orqali tibbiy tashxisning aniqligini oshiradi. Ushbu Machine Learning dasturlaridagi o'lchovlar odatda ma'lum tibbiy sinovlar (masalan, qon bosimi, harorat va turli xil qon sinovlari) yoki tibbiy diagnostika (tibbiy rasmlar kabi), turli alomatlarning mavjudligi / yo'qligi / intensivligi va asosiy jismoniy ma'lumotlarning natijalari. bemor (yoshi, jinsi, vazni va boshqalar). Ushbu o'lchovlarning natijalari asosida shifokorlar bemorni yuqtirgan kasallikni toraytiradi.