بعد از موفقیت CNNها، همه‌چیز عالی به نظر می‌رسید؛ اما یه مشکل بزرگ وجود داشت:
شبکه CNN فقط «وجود یک ویژگی» رو تشخیص می‌ده، نه «رابطه بین ویژگی‌ها». مثلا ممکنه یه شبکه فکر کنه صورت درست شناسایی شده، در حالی که چشم‌ها برعکس یا دهان بالای بینی قرار گرفته! 😅
⚡ ایده جفری هینتون (۲۰۱۷)
برای حل این مشکل، هینتون و تیمش Capsule Networks رو معرفی کردن.🔧 مزایای Capsule Network
کپسول‌ها گروهی از نورون‌ها هستن که نه فقط حضور یک ویژگی، بلکه جهت، موقعیت و رابطه‌ی فضایی اون رو هم ذخیره می‌کنن.
✅ توانایی تشخیص بهتر ساختار و ترکیب اشیا🚀 چرا مهمه؟
✅ مقاومت بیشتر در برابر تغییر زاویه یا چرخش
✅ نیاز کمتر به داده برای یادگیری
تا امروز Capsule Networks هنوز جایگزین CNN نشده‌ان، اما راهی رو نشون دادن که شبکه‌های عصبی می‌تونن «هوشمندانه‌تر» به روابط بین اجزا نگاه کنن.📌 مرجع تخصصی هوش مصنوعی و علم داده
🤖 دیتایاد / datayad@