Машинное обучение и Искусственный Интеллект. Тимур Машнин

Чтение книги онлайн.

      Искусственная нейронная сеть представляет собой совокупность мелких единиц, называемых нейронами, которые представляют собой вычислительные единицы, смоделированные по способу обработки информации человеческим мозгом.

      Искусственные нейронные сети заимствуют некоторые идеи из биологической нейронной сети мозга, чтобы приблизить некоторые результаты его обработки.

      Эти единицы или нейроны принимают поступающие данные, также как и биологические нейронные сети, и со временем учатся принимать решения.

      Нейронные сети учатся через процесс, называемый обратным распространением.

      Например, при преобразовании речи в текст, в нейронных сетях вместо кодирования правил вы предоставляете образцы голоса и соответствующий им текст.

      И нейронная сеть находит общие шаблоны произношения слов, а затем учится сопоставлять новые голосовые записи с соответствующими им текстами.

      YouTube использует это для автоматического создания субтитров.

      Обратное распространение использует набор обучающих данных, которые сопоставляют известные входы с желаемыми выходами.

      Сначала входы подключаются к сети и определяются выходы.

      Затем функция ошибки определяет, насколько далеко данный выход находится от желаемого выхода.

      И наконец, делаются изменения, чтобы уменьшить ошибки.

      Набор нейронов называется слоем, и слой принимает входные данные и обеспечивает выходные данные.

      Любая нейронная сеть будет иметь один входной слой и один выходной слой.

      И нейронная сеть также будет иметь один или несколько скрытых слоев, которые имитируют типы деятельности, происходящих в человеческом мозге.

      Скрытые слои принимают набор взвешенных входных данных и выдают результат с помощью функции активации.

      Нейронная сеть, имеющая более одного скрытого слоя, называется глубокой нейронной сетью.

      Перцептроны – это самые простые и старые типы нейронных сетей.

      Это однослойные нейронные сети, состоящие из входных узлов, подключенных непосредственно к выходному узлу.

      Входные слои передают входные значения следующему слою путем умножения на вес и суммирования результатов.

      Скрытые слои получают входные данные от других узлов и направляют свои выходные данные на другие узлы.

      Скрытые и выходные узлы имеют свойство, называемое смещением bias, которое представляет собой особый тип веса, который применяется к узлу после рассмотрения других входных данных.

      И наконец, функция активации определяет, как узел реагирует на свои входные данные.

      Функция запускается на сумме входов СКАЧАТЬ