FLAGSTAFF, ARIZONA — tarafından yayınlanan bir açıklamaya göre Kuzey Arizona Üniversitesiaraştırmacılar Leszek Pawlowicz ve Chris Downum, çömlek parçalarını stilistik kategorilere ayırmak için Evrişimli Sinir Ağları (CNN’ler) olarak bilinen bir makine öğrenimi biçimini kullandılar. Farklı çanak çömlek türleri, farklı insan grupları ve zaman dilimleri ile ilişkilendirilebilir ve bu nedenle arkeolojik alanlar hakkında değerli bilgiler sağlayabilir. Ancak bu çömlek türlerini elle belirlemek zaman alıcıdır. Pawlowicz ve Downum, genellikle kuzeydoğu Arizona’da bulunan Tusayan Beyaz Eşya örneklerinin binlerce dijital fotoğrafını topladı ve uzmanlardan her fotoğrafı çömlek tasarımına göre sınıflandırmalarını istedi. Bu fotoğraflar daha sonra çanak çömlek türlerini öğrenmek üzere bir bilgisayarı “eğitmek” için kullanıldı. Pawlowicz, bilgisayarın sonunda çanak çömlek türlerini bazen insan uzmanlarından daha yüksek doğrulukla belirleyebildiğini söyledi. Makine ayrıca, bir çömlek parçası üzerindeki hangi tasarım özelliklerinin bir sınıflandırma yapmak için kullanıldığını göstermek için renk kodlu haritalar oluşturabildi. Bu bilgi daha sonra görüntüleri sıralamak ve birbirine en çok benzeyen parçaları bulmak için kullanıldı, bu da antik gemilerin yeniden inşasını veya topluluklar arasındaki stil benzerliklerinin tanımlanmasını kolaylaştırabilir. Araştırmacıların 2.700 yıllık İbranice yazıtların yazılmasına kaç elin katkıda bulunduğunu belirlemek için teknolojiyi nasıl kullandıklarını okumak için “Okuma, Yazma ve Algoritmalar” bölümüne gidin.
İlk Yorumu Siz Yapın