ترجمه فارسی مقاله پیچش گشاد شده با فاصله های قابل یادگیری

چکیده

This thesis presents and evaluates the Dilated Convolution with Learnable Spacings (DCLS) method. Through various supervised learning experiments in the fields of computer vision, audio, and speech processing, the DCLS method proves to outperform both standard and advanced convolution techniques. The research is organized into several steps, starting with an analysis of the literature and existing convolution techniques that preceded the development of the DCLS method. We were particularly interested in the methods that are closely related to our own and that remain essential to capture the nuances and uniqueness of our approach. The cornerstone of our study is the introduction and application of the DCLS method to convolutional neural networks (CNNs), as well as to hybrid architectures that rely on both convolutional and visual attention approaches. DCLS is shown to be particularly effective in tasks such as classification, semantic segmentation, and object detection. Initially using bilinear interpolation, the study also explores other interpolation methods, finding that Gaussian interpolation slightly improves performance. The DCLS method is further applied to spiking neural networks (SNNs) to enable synaptic delay learning within a neural network that could eventually be transferred to so-called neuromorphic chips. The results show that the DCLS method stands out as a new state-of-the-art technique in SNN audio classification for certain benchmark tasks in this field. These tasks involve datasets with a high temporal component. In addition, we show that DCLS can significantly improve the accuracy of artificial neural networks for the multi-label audio classification task. We conclude with a discussion of the chosen experimental setup, its limitations, the limitations of our method, and our results.

چکیده به فارسی (ترجمه ماشینی)

این پایان نامه روش متلاشی شده را با استفاده از فاصله های قابل یادگیری (DCL) ارائه و ارزیابی می کند.از طریق آزمایش های مختلف یادگیری تحت نظارت در زمینه های دید رایانه ، صوتی و پردازش گفتار ، روش DCLS ثابت می کند که از تکنیک های استاندارد و پیشرفته Convolution بهتر عمل می کند.این تحقیق در چندین مرحله سازماندهی شده است ، با شروع تجزیه و تحلیل ادبیات و تکنیک های حلقوی موجود که پیش از توسعه روش DCLS بودند.ما به ویژه به روشهایی که از نزدیک با خودمان مرتبط هستند علاقه مند بودیم و برای گرفتن ظرافت و منحصر به فرد بودن رویکرد ما ضروری است.سنگ بنای مطالعه ما مقدمه و کاربرد روش DCLS به شبکه های عصبی حلقوی (CNN) و همچنین معماری های ترکیبی است که به هر دو رویکرد توجه همخوانی و بصری متکی هستند.DCL ها نشان داده شده است که به ویژه در کارهایی مانند طبقه بندی ، تقسیم معنایی و تشخیص شیء مؤثر است.در ابتدا با استفاده از درون یابی دو طرفه ، این مطالعه همچنین سایر روشهای درون یابی را مورد بررسی قرار می دهد ، و می یابد که درون یابی گاوسی کمی عملکرد را بهبود می بخشد.روش DCLS بیشتر در مورد شبکه های عصبی سنبله (SNN) اعمال می شود تا یادگیری تأخیر سیناپسی را در یک شبکه عصبی فعال کند که در نهایت می تواند به تراشه های عصبی به اصطلاح منتقل شود.نتایج نشان می دهد که روش DCLS به عنوان یک تکنیک جدید و پیشرفته در طبقه بندی صوتی SNN برای برخی از معیارهای معیار در این زمینه معرفی شده است.این کارها شامل مجموعه داده هایی با یک مؤلفه زمانی بالا است.علاوه بر این ، ما نشان می دهیم که DCL ها می توانند به طور قابل توجهی دقت شبکه های عصبی مصنوعی را برای کار طبقه بندی صوتی چند برچسب بهبود بخشند.ما با بحث در مورد مجموعه آزمایشی انتخاب شده ، محدودیت های آن ، محدودیت های روش و نتایج ما نتیجه می گیریم.