1. Fogalom magyarul: konvolúciós háló          

2. Fogalom angolul: convolutional neural network (CNN)

3. Meghatározás:

A konvolúciós háló (teljes nevén: konvolúciós neurális hálózat) egy olyan mesterséges neurális hálózat (a mély neurális hálózatok egy speciális osztálya), amelyet elsősorban képek és más, rácsos struktúrájú adatok feldolgozására terveztek. A konvolúciós hálók automatikusan és adaptív módon megtanulják a jellemzők térbeli hierarchiáját a bemeneti adatokból, konvolúciós rétegeken, pooling rétegeken és teljesen összekapcsolt rétegeken keresztül.

A konvolúciós rétegek használata lehetővé teszi a hálózat számára, hogy a bemeneti adatok helyi jellemzőit kiemelje, így hatékonyan képes azonosítani mintázatokat és struktúrákat. A konvolúció egy matematikai művelet, amely során a bemeneti adatokból egy szűrő segítségével kiemelik a releváns információkat. A szűrőt végig csúsztatják a bemeneti többdimenziós adaton (pl. képen), és a konvolúció végrehajtása után létrejön egy jellemzőtérkép, amely kiemeli az adott mintákat, például éleket vagy textúrákat. Ez a folyamat lehetővé teszi a hálózat számára, hogy megtanulja a jellemzők térbeli hierarchiáit, kezdve a korai rétegek egyszerű alakzataitól a mélyebb rétegekben lévő összetettebb struktúrákig. A pooling rétegek csökkentik a jellemzőtérkép méreteit, ami segít megelőzni a túlillesztést. Az elterjedt pooling módszerek közé tartozik a max pooling és az átlagos pooling, ahol a kimenet a jellemzőtérkép meghatározott ablakán belüli maximális vagy átlagos értékből származik. Több konvolúciós és pooling réteg után a kimenetet 1 dimenzióssá alakítják át, és egy vagy több teljesen összekapcsolt rétegen keresztül vezetik át. Ezek az összekapcsolt rétegek felelősek az előző rétegekben kinyert jellemzők alapján történő előrejelzésért.

Összességében a konvolúciós hálók működésének alapja, hogy a rétegek között nem minden neuron kapcsolódik minden bemeneti neuronhoz, hanem csak azokhoz, amelyek a szűrő által érintett területen helyezkednek el. Ez a megközelítés jelentősen csökkenti a tanulandó paraméterek számát, és javítja a modell általánosító képességét.

4. Hivatkozások:

Convolutional neural network szócikk a Wikipédián https://en.wikipedia.org/wiki/Convolutional_neural_network

Ian Goodfellow, Yoshua Bengio and Aaron Courville (2016). Deep Learning, MIT Press, http://www.deeplearningbook.org

5. Megjegyzések:​​​​​​​

6. Kulcsszavak: neurális hálózat, gépi tanulás, képfeldolgozás, konvolúció