الشبكات العصبية في إنتاج أطقم الأسنان

يعد استبدال السن بغرس أو تثبيت تاج عملية مؤلمة ومكلفة. أحد أصعب الأجزاء في عملية الترميم هو تصميم الأطراف الاصطناعية في نظام CAD ، الذي يشارك فيه فنيو الأسنان. تم تصميم كل تاج بشكل فردي للمريض وفكه في 8-10 دقائق. في الوقت نفسه ، لدى كل فني رؤيته الخاصة لماهية تاج السن الجيد ، ويمكن أن يختلف تقييم الجودة لنفس التاج لمختلف المتخصصين من نفس المستوى من "جيد" إلى "ممكن وأفضل".


لذلك ، ليس من المستغرب أن الهدف في طب الأسنان هو إزالة العامل البشري وإضافة الأتمتة. ويمكن القيام بذلك باستخدام الشبكات العصبية. لقد تقدموا الآن كثيرًا حتى يتمكنوا من التعرف على الأشياء ، والعثور على المجرمين في الحشد ، ورسم الصور بالرسومات ، واستبدال وجوه الممثلين في الأفلام ، على سبيل المثال ، دي كابريو مع بورونوف في فيلم The Great Gatsby. سوف يساعدون أيضًا في التغلب على الأسنان ، وكيف حدث ذلك ، كما يقول ستانيسلاف شوشيفيتش.

ستانيسلاف شوشيفيتش - يعمل في خدمة Adalisk. هذا هو المقاول لأكبر مصنع أسنان أمريكي. مهام المقاول تشمل أتمتة إنتاج التيجان والجسور ويزرع. ستانيسلاف يعلم الشبكات العصبية العميقة. في Saint HighLoad ++ 2019 ، قدم Stanislav عرضًا تقديميًا وصفه بالتفصيل وبالتفصيل كيف تستخدم الشركة تدريبًا عميقًا لأتمتة تصنيف بيانات المدخلات وتوليد التصميم وأتمتة نمذجة التاج.

تستند هذه المقالة إلى نسخة من تقريره ، حيث ستتعلم منه تطبيق تطبيق التعلم والتصميم العميق في إنتاج أطقم الأسنان ، وكيفية تثبيت الجودة ، وأتمتة مراحل الإنتاج المختلفة باستخدام الشبكات العصبية ، والحد تدريجياً من العامل البشري وتقليل متوسط ​​الوقت عدة مرات. الذي يقضيه فني الأسنان على التيجان ويزرع.

المذكرة. المجموعة ، التي يعمل فيها ستانيسلاف ، تتعاون مع معهد بيركلي (الولايات المتحدة الأمريكية). لقد عملوا سويًا لتطوير شبكات عصبية عميقة لأتمتة تصميم زراعة الأسنان. وفقًا لنتائج هذا العمل ، نشر الباحثون مقالة علمية ، لكن التقرير أكثر إثارة للاهتمام.

مصطلحات طب الأسنان

لكي أغمرك في مجرى الأمور ، سأخبرك عن مصطلحات طب الأسنان. لدى الشخص 32 سنًا ، ولكن في أغلب الأحيان 28 عامًا ، لأن أسنان الحكمة لا تنمو في الغالب أو تُمرض وتُزال. هناك ترقيم مستمر من 1 إلى 32 ، لكن من الأسهل تقسيم الفك إلى 4 أجزاء مرقمة من 8 أسنان. لذلك ، نقول أن الشخص لديه 32 سنًا - من 11 إلى 48. الرقم الأول هو رقم الربع ، والثاني هو رقم السن في الربع.


مخطط ترقيم الأسنان القياسي.

بعد الانعكاس المرآوي ، تشبه الأسنان الموجودة على الجانب الأيسر من الفك الأسنان الموجودة على اليمين ، لكن الأسنان العلوية ليست مشابهة للأسنان السفلية. لذلك ، عندما نقول أننا بحاجة إلى إنشاء سن ، فإننا نعني عادة 16 سنًا - 32 في النصف ، و 16 فقط.

لا يمكن تحديد شكل أسنان الشخص بين الجنسين. لذلك ، عندما تجد الحفريات أسنانًا ، ليس من الواضح من هم: رجال أو نساء. في الوقت نفسه ، يمكن للمرء أن يفهم من فكي الحصان ما إذا كان فرس أو حصان - الحصان لديه الأنياب ، ولكن الفرس لا. هذه الحقائق "السنية" تسليني دائمًا.

تم وضع علامة على جذع السن 36 باللون الأزرق - تم قطع السن المريضة ، وظلت الجذع. في اللغة الإنجليزية ، يُطلق على جذع السن "يموت". يتم تمييز حافة الجذع باللون الأحمر ، ويسمى "الهامش". عندما يضع طبيب الأسنان التاج على السن ، من المهم أن تتوافق حافة التاج مع الهامش ، بهامش "الغراء" ، وإلا ستكون هناك خطوة قبيحة.


مسح ثلاثي الأبعاد لانطباع الفك السفلي.

بالنسبة لنا ، صنع الفني نموذجًا ثلاثي الأبعاد للتاج الجميل.



الأخاديد على القمة - تشريح التاج. فهي لا تقع بشكل عشوائي ، ولكن عن طريق عدد الأسنان نموذجي. يمكن وصفه لفترة طويلة ، ولكن يوجد تشريح أولي ، تقاطع ثانوي ، تقويم الأسنان.

يكون مضاد الفك مناسبًا من الأعلى ، وإذا كانت السن أعلى ، يكون الفك مضادًا من أسفل. الاتجاه الصعودي ، الذي يسمى الاتجاه الإطباق ، مهم أيضا بالنسبة لنا. عندما تظهر "لقطة إطباق الأسنان" في النص ، فهذا يعني ببساطة لقطة من الأعلى.

التيجان السفر

كيف تيجان الأسنان تفعل؟ أولئك الذين وضعوا أنفسهم التيجان الأسنان تمثل تقريبا. سأقول بقية المخطط العام.

طبيب أسنان - فني أسنان - طبيب أسنان. جئت إلى طبيب الأسنان ، وفتح فمك ، ويقول إصلاح. ملفات الأسنان ويعطي لدغة لوحة. يبدو مثل البلاستيسين على ركيزة - تظل بصمة الفك العلوي والسفلي عليه. يرسل طبيب الأسنان هذا المصبوب إلى المختبر إلى فني الأسنان.

يوجد فني أسنان في المختبر ولا يتواصل مطلقًا مع مرضى حقيقيين. يبني نماذج الأسنان في نظام CAD / CAM على جهاز كمبيوتر. من النموذج ثلاثي الأبعاد النهائي للسن ، يقوم بعملية ترميم حقيقية ويرسلها إلى طبيب الأسنان. علاوة على ذلك ، يقوم طبيب الأسنان بالفعل بتثبيت عملية الترميم في مكانها.

تطبيقنا للسلطة هو في قلب هذا المخطط.

طبيب أسنان - فني أسنان + ML - طبيب أسنان . الآن يعمل فني الأسنان في برنامج مشابه لبرنامج AutoCAD. لكن من الناحية المثالية ، ينبغي عليه القيام بذلك: تأتي الحالة على شكل قالب ، وفني يقوم بمسحها ويتلقى عرضًا جاهزًا للتاج. تعمل مجموعة ML الخاصة بنا مع فنيي طب الأسنان ، وفي غضون سنوات قليلة ، جمعت 5 ملايين حالة و 150 تيرابايت من البيانات الموجودة على Amazon - هناك الكثير للاختيار من بينها.

يستغرق الفني 10 دقائق لإعداد صورة ثلاثية الأبعاد للتاج ، بينما يفكر في العديد من المعلمات:

• شكل طبيعي
• خصم.
• اتصالات مشددة
• خط الهامش
• تجزئة الفك
• تشريح عميق
• الاتجاه؛
• قوس.
• ملء الأوراق وغيرها.

المعلمات

طبيعية الشكل . هذا هو أول شيء يفكر فيه فني أسنان - بالنسبة لي هذه هي اللحظة الأكثر غموضًا. عندما أشرح طريقة طبقتين ويقول أيهما جيد ، أسأل لماذا قرر ذلك:

"أنا لا أعرف". أنا فقط أرى أن هذه أسنان طبيعية ، لكنها ليست كذلك.
- هل هناك أي معايير رسمية؟ يحتاج نظام التصميم الآلي إلى مقاييس رسمية.
"لا أعرف أي مقاييس رسمية". أنا فقط أرى أن هذا سن جيد ، وهذا سيء.

وهذا ما يسمى "الشكل الطبيعي".

وفي الوقت نفسه ، يحرص الفني بالإضافة إلى ذلك على أن التاج لا يتقاطع مع المضاد ويجلس جيدًا على "حافة" الجذع ، حول ملامسة المشدودة مع الجيران ، ويحدد الاتجاهات وشرائح الفك.

هناك العديد من الحلول الجيدة لأي حال. تقنيات مختلفة لنفس الفك سوف تخلق عدة أسنان جيدة مختلفة.

لماذا لا تجعل الأمر أكثر سهولة: خذ تاجًا منتظمًا للأسنان ، "ألعب حولها" على شكل خوارزمية هندسية وأدخلها في الفك؟ هذه المهمة الهندسية بسيطة في الخيال ، ولكنها في الواقع ليست بهذه البساطة.

تقلب . في الصورة أدناه ثلاث صور من التيجان.

الأول على اليسار هو الأسنان البشرية المثالية. في المتوسط ​​، الفجوة بين المضاد وجذع الأسنان صغيرة للغاية بحيث يتم تسطيح التاج. كانت المسافة بين هذه السن والجار على اليسار كبيرة بما يكفي ، لكن التاج كان بحاجة إلى لمس السن المجاورة ، لذلك ظهر تدفق على اليسار. في الشكل الصحيح ، يبدو كل شيء طبيعيًا ، لكن خط "حافة" الجذع ليس دائرة ، لكنه شكل مكاني معقد. بالنسبة للطرق الهندسية ، كل هذا معقد بسبب التباين الكبير في التيجان.

الانتباه إلى التفاصيل . التفاصيل المهمة الأخرى هي الحجم المميز للميزات المحاكاة. يبلغ حجم السن السادسة والثلاثين (من أسفل الفك السفلي) حوالي 8 ملم ، و 200 ميكرون هو حجم التشريح فقط. هذا يعني أنه إذا كانت هناك حاجة إلى تشريح طبيعي ، فإن دقة النموذج لا تقل عن 100 ميكرون. يتم قطعها تقريبًا بدقة 20 ميكرون. نقسم 100 ميكرون إلى 8 مم - نحصل على دقة حوالي 1 ٪.

كل هذا يخلق مشكلة - يقضي الفني الكثير من الوقت في العديد من العوامل. قررنا تبسيط عملها وزيادة الكفاءة - المزيد من التيجان لكل وحدة زمنية. لقد جربنا العديد من الخيارات واخترنا الشبكات العصبية التي تبسط عمل الفني.

طرق الحل

CAD / CAM . كل شركة "طب الأسنان" تنشئ نظامها الخاص. تقوم Glidewell Dental و Invisalign و Sirona - جميعها بتطوير أو تطوير أنظمة CAD / CAM الخاصة بها. تبدو الأنظمة مثل AutoCAD أو KOMPAS-3D: لديك كائن قياسي ، يمكنك السحب ، والسكتة الدماغية ، وتدويره. الآن يعمل الفنيون بهذه الطريقة ويقضون 10 دقائق لإنتاج التاج الطبيعي.

ML - وظائف التوافقي. هذه طريقة أخرى - التعلم الآلي البسيط نسبيًا. على سبيل المثال ، إذا نظرت إلى التاج من الأعلى ، فستبدو مثل دائرة بها أخاديد ، ثم يمكنك محاولة تحللها إلى وظائف متناسقة. لكن حاولنا - مع شروطنا للدقة ، وهذا لا يعمل.

لذلك ، في النهاية ، لجأنا إلى شبكات عميقة لتوليد كائنات ثلاثية الأبعاد. سأقول قصتين ترتبط باختيارنا. الأول هو propaedeutic . هذه هي قصة تدريبية أو تعليمية حول تجزئة الفك. والثاني حول جيل التاج .

تجزئة الفك

تجزئة الفك هي تلوين كل سن ولثة بألوانها الخاصة (على سبيل المثال ، في منظر الإطباق).



تجزئة المهم. على سبيل المثال ، جاء الفك في شكل نموذج ثلاثي الأبعاد ، وهو عبارة عن ساق منشار منشور. لكي يفهم البرنامج مكان وضع السن ، يجب وضعه على الأقل بالنسبة للساق. في هذه الحالة ، يجلس الشخص عادةً وبماوس ينقر فوقه وعلى جيرانه ، وعندها فقط يفهم البرنامج مكان وضع السن. مع تجزئة تلقائية ، سيكون كل شيء أكثر إثارة للاهتمام - فإنه يشير تلقائيًا إلى مكان وضع السن.

لذلك ، قررنا وصمة عار أسناننا باستخدام الشبكات العصبية.

تدريب الشبكة العصبية يتطلب بيانات. هناك مجموعات بيانات مفتوحة لتقسيم الوجوه وتطورات الأشخاص والرسائل - يستمتع الأشخاص بحضور المؤتمرات ومشاركة النجاحات في التدريب مع بعضهم البعض. لكن العثور على مجموعة بيانات لتجزئة الأسنان أمر صعب.

هناك شركات لديها مجموعات بيانات ذات أسنان مجزأة بالفعل. لكنهم ، بالطبع ، لا يبيعونهم أو يتخلون عنهم. هذه هي الدراية والقيمة الكبيرة لكل شركة.

لحسن الحظ ، كان لدينا خوارزمية هندسية لمستجمعات المياه ، والتي سأناقشها لاحقًا. يستطيع شريحة ، ولكن بكفاءة 30 ٪ - تجزئة طبيعية في واحدة من ثلاث حالات. قمنا بتجزئة الخوارزمية مع 15 ألف حالة ، ثم تمت تصفيتها يدويًا. بعد التصفية ، بقيت 5 آلاف حالة جيدة قمنا بتدريب SegNet عليها.

المذكرة. SegNet هي الشبكة القياسية للتجزئة. شبكة معينة ليست مهمة جدا. من المهم ما يجب القيام به ، في أي تسلسل ومكان الحصول على البيانات.


هذا هو ما يبدو تجزئة الفك مع 12 أسنان.

يبدو أن كل شيء على ما يرام - ألوان جميلة مختلفة ، والأسنان من الناحية العملية لا "تسرب". لكن من غير المجدي تقسيم هذه الحالات التي تعلمناها بالفعل تجزيئيًا. نود أن نتعلم تقسيم كل مساحة المرحلة. في حالة وجود ارتباط قوي بين خوارزمية الشبكة العصبية والهندسية ، ستقوم الشبكة بشكل أساسي بتقطيع الحالات التي تم تجزيئها جيدًا بالفعل.

لذا فإن السؤال الرئيسي هو: هل هناك علاقة متبادلة بين ما تقوم به شبكة مستجمعات المياه وسيجنت؟ للإجابة على هذا السؤال ، تحتاج إلى معرفة كيفية عمل هذه الخوارزميات.

كيف يعمل مستجمعات المياه وسيجنت

يعمل مستجمعات المياه على سطح ثلاثي الأبعاد - وهي "وديان" مفصولة بحافات مع انحناء مكاني كبير. عندما نتحرك على سطح ثلاثي الأبعاد ، يوجد في بعض الأماكن انحناء حاد ، على سبيل المثال ، حيث يدخل زميلان في السن أو إحدى اللثة في اللثة. في هذه الأماكن ، تنشأ "التلال". مستجمعات المياه "يصب الماء" ويغطي الوديان ، لكنه لا يعبر "التلال".

الخوارزمية لا تعمل بشكل جيد حيث يتم كسر الانحناء المكاني. على سبيل المثال ، هناك نوعان من الأسنان مع الظل المشترك. تم فحصها بحيث تمر سنان بسلاسة. سوف ترسم الخوارزمية اثنين من الأسنان بلون واحد.

SegNet يعمل مثل أي شبكة مجزأة. إنه يعرف ما يمكن الحصول عليه تقريبًا من الداخل - تبدو الصورة المقسمة عادةً مثل 14 دائرة تقع في القوس وحول اللثة. SegNet عرضة للأخطاء: عندما تكون الدوائر غير منتظمة الشكل ، فإن المريض ليس لديه 14 أسنان ، ولكن 12 الأسنان أو الأسنان تقع خارج القوس - القوس الذي توجد عليه الأسنان. تظهر الصورة 12 الأسنان فقط ، كان من الصعب ، ولكن الخوارزمية فعلت ذلك.

يبدو أن Watershed و SegNet لا يرتبطان ببعضهما البعض ، وكل شيء طبيعي نسبيًا.

المجاميع الفرعية

التحسين مطلوب للمستخدم النهائي . يمكننا قضاء الكثير من الوقت مقدمًا للتخلص من الارتباط والتفكير في الأمر واتخاذ إجراء. لكن حتى بدون هذا ، فإن SegNet ، عندما تدرب على حالات مختارة ، أعطى حوالي 90 ٪ من القطاعات الصحيحة - شبكة مكونة من 9 من 10 شرائح فكية بشكل مثالي.

العمل اليدوي يساعد كثيرا. سوف تجد البيانات الخاصة بك وتحديد ما تحتاجه.

نمر إلى الطبق الرئيسي.

تاج التاج

لإنشاء التاج ، اخترنا هذا المخطط: نأخذ الإطلالة ومنه خريطة أحادية اللون للأعماق - خريطة العمق.


تاج مع التشريح العميق (الصليب) ومع التشريح الثانوي.

مصادر البيانات

المصدر الأول للبيانات هو الأسنان الطبيعية . هناك العديد من طلقات الفكين ، ونحن نعرف الآن كيفية تقسيمها: لقد قطعنا الأسنان الطبيعية وتدريبنا عليها.

أخذناهم ، لكن اتضح أنه سيء. الأسنان الطبيعية متنوعة جدا . الأسنان البشرية العادية ليست جميلة جدا ، حتى بين الشباب. أود أن يكون التاج أجمل.

مصدر البيانات الثاني هو التيجان الجاهزة . لدينا بالفعل 5 ملايين حالة من 150 تيرابايت. يتم تخزينها في سحابة الأمازون. من بين 5 ملايين حالة ، نختار الحالات التي أكملت التقنيات ، ونتدرب عليها. لكنها لم تنجح كذلك. لقد بحثنا بعناية في مجموعة التدريب الخاصة بنا ووجدنا أنه من الأفضل القيام بنصف إلى ثلثي التيجان النهائية بشكل أفضل. يتعلق هذا بشكل أساسي بعمق التشريح على التيجان النهائية - لم يتم التعبير عن الأخاديد بما فيه الكفاية.

لقد كان هذا اكتشافًا غير سار ، لأننا أخذنا نتائج المتخصصين الذين يجب محاكيتهم. لكننا نعرف بالفعل ما يجب القيام به في مثل هذه الحالات.

أخذنا 10 آلاف حالة وكسرناها يدويًا في حالة جيدة وسيئة. تلقى 5 آلاف جيدة والتي يمكنك أن تتعلم. لكن من الناحية التجريبية ، عرفنا أن التدريب يستغرق ما بين 10 إلى 15 ألف حالة جيدة. للحصول عليها ، تحتاج إلى فرز 30 ألف حالة يدويًا لكل سن - وهذا كثير جدًا. لذلك ، قمنا بتدريب شبكة مساعدة بسيطة أظهرت الأسنان ، وفصلت الصالح عن السيئ.



يوضح الشكل أن الأسنان العلوية الثلاثة لها تشريح عميق - الصليب مرئي بوضوح ، وعلى انخفاضات منخفضة. في الأخير (أقصى اليسار) لا يوجد تشريح على الإطلاق. الفني "يمسح" هذا التاج بحيث اختفى التشريح.

بمساعدة شبكة مساعدة ، يمكننا تصفية كميات كبيرة جدًا ، وتلقي 10-20 ألف حالة لكل سن.

الجيل التفاصيل الفنية

عقوبات. كان أول ما يتبادر إلى الذهن هو أخذ شبكة التوليد ، وإظهارها في الصورة العلوية للفك مع جدعة الأسنان ، والطلب منها رسم الجزء السفلي ، وفرض غرامة L1. لكن النظرية تقول إن هذا لن ينجح ، وهذا هو السبب.


الفك مع الموت أعلاه هو مع سن المنشار ، في الوسط هو خصم ، وتحت التاج ، والتي ينبغي إنشاؤها نتيجة للشبكة.

لقد قلنا بالفعل أن هناك العديد من الحلول الجيدة لنفس المدخلات. إذا قمت بفرض غرامة L1 ، فسوف تقوم بتغريم الشبكة لحقيقة أنها لا تستطيع تخمين صورة التاج في رأس الفني في الوقت الذي صمم فيه. يمكنه صنع مثل هذا التاج ، أو يمكن أن يصنع تاجًا آخر ، جيدًا أيضًا. غرامة لتاج جيد آخر ليست ضرورية.

عقوبة L1 "العارية" هي فكرة سيئة.

الممي. إنها لفكرة جيدة أن يتم تدريب أحد المتميزين الذي يقول "جيد" على جميع التيجان الجيدة و "السيئة" على التيجان السيئة. وسوف تأخذ في الاعتبار السطح المعقدة للتيجان الجيدة (السطح في مساحة التيجان). بالإضافة إلى ذلك ، GAN ، كما اتضح ، يسحق الضوضاء عالية التردد.

تبدو Loss = D_GAN + L1 + AntagonistIntersectionPenalty كما يلي: Loss = D_GAN + L1 + AntagonistIntersectionPenalty .

D_GAN - يأخذ في الاعتبار السطح المعقد للقرارات الجيدة المحتملة. يضاف AntagonistIntersectionPenalty بحيث لا تتقاطع السن مع المضاد.

من المهم أن يظهر L1 فجأة. لقد قرأت للتو أنه يجب أن يفسد شيئًا ما ، لكن إذا أضفته بطريقة محدودة ، فلن يفسد ذلك. السبب هو أن GAN غير مستقرة تمامًا أثناء التدريب ، وتشير L1 إلى أن السن في أي حال يشبه بقعة بيضاء في منتصف الإطار. في المرحلة الأولى من التدريب ، يستقر - كل شيء يتقارب بشكل أفضل ، يبدو سلسًا وأنيقًا.

ملاحظة فنية. قاتلنا لفترة طويلة ، في محاولة لتدريب شبكة واحدة لجميع الأسنان الخلفية أو شبكة واحدة لبضعة أسنان. لكننا توصلنا إلى استنتاج مفاده أنك تحتاج إلى تدريب شبكتك على كل سن ، مقابل كل جزء صغير مترجم من البيانات. لدينا مثل هذه الفرصة.

سن واحد - شبكة واحدة.

هذا أمر مهم - هذا هو المفاضلة بين استقرار الحل والموارد المستخدمة. إذا أنفقت 200 ميغابايت إضافية من ذاكرة الفيديو ، فلن يحدث شيء (عادة). لكنك ستحتفظ بشبكة منفصلة لكل سن وقم بتدريبها حسب الحاجة.

المجاميع الفرعية

استخدمنا مرة أخرى الشبكات المساعدة والعمل اليدوي :

• تم فرز 10 آلاف حالة إلى "جيدة وأخرى سيئة" ؛
• على نتائج الفرز اليدوي ، درسنا الشبكة المساعدة ؛
• معظم غربلة الحالات التي لا تحمل علامات.

الصيحة ، ذهبنا إلى الإنتاج!

بعد كل ما فعلناه ، دخلنا في الإنتاج. هذا ليس إنتاجًا حقيقيًا تمامًا - مجموعة الأبحاث والإنتاج ، لكنه يخلق 100 كرونة في اليوم.

المذكرة. في وقت نشر المقال ، تم بالفعل تضمين شبكات توليد في هذا المنتج .

تعمل المجموعة منذ شهر مايو - تم إنتاج عدة آلاف من التيجان بواسطة GANs. يضغط فني على زر ويتم إنشاء صورة التاج في 20 ثانية. يقوم الفني بالتحقق من صحة النموذج ، وعادةً ما يضيق جهات الاتصال ، ويرسله إلى الشراب.

لقد حصلنا على مكسب كبير في الوقت المناسب. يتم إعداد التاج في 8-10 دقائق ، وبمشاركة من GAN - في 4 دقائق. تغطي GAN 80٪ من الحالات - إذا لم يعجب الفني ما اقترحته GAN ، فهو يصمم التاج بيديه ويقضي 8 دقائق.

الدروس

الأمثل للمستخدم النهائي . في هذه العملية ، من المفيد التفكير في المقاييس والمقاييس ووظيفة الخسارة والعلاقات المتبادلة. لكنك فعلت كل شيء بشكل صحيح إذا انتهيت من العمل وحصلت على النتيجة المتوقعة.

استخدام الشبكات المساعدة.

العمل اليدوي. هناك قول مأثور في ML: " تعرف على التفاصيل الخاصة بك." باستخدام العمل اليدوي ، سوف تجد ما هو موجود في البيانات الخاصة بك. عادةً ما تتم مكافأة العمل اليدوي لأنك "تغذي" شبكتك بما تحتاج إليه بالضبط.

موازنة "الجودة - الموارد" . إذا كان ذلك ممكنا ، والتحول نحو الجودة. لا تكن جشعًا - أضف أكبر عدد ممكن من الشبكات حسب حاجتك.

ليس بعيدًا عن مؤتمر Saint HighLoad ++ التالي. في 6 و 7 أبريل في سان بطرسبرغ ، سوف نسمع بالتأكيد أمثلة على استخدام الشبكات العصبية والتعلم الآلي في الإنتاج المعقد ، وبطبيعة الحال ، السبل لتحقيق الأداء العالي. إذا كنت ترغب فقط في مشاركة هذه التجربة - بدلاً من إرسال تقرير ، فلا يوجد سوى وقت قليل للغاية قبل الموعد النهائي "دعوة للأوراق". أو اتبع إعلانات التقارير التي توشك على البدء في اعتماد البرنامج في القائمة البريدية من أجل اتخاذ قرار في الوقت المناسب للمشاركة في المؤتمر.