Всем привет! Мы уже несколько раз упоминали технологию нейронных сетей и наступил момент, когда пора сделать на них небольшой обзор. Несмотря на то, что технология используется довольно давно, степень ее проникновения в нашу жизнь остается не такой уж высокой, как хотелось бы. Дело тут скорее не в ее сложности, она совершенно не сложная и не в том сложность, что вычисления в сети происходят подобно тому, как это делает мозг.
Сложность в том, что под каждую новую задачу приходится подбирать мозг необходимого размера и самое главное нужной структуры, а еще стоит вечный вопрос как упростить задачу для того чтобы этот мозг смог ее осилить. Очень много вопросов не имеющих строгого решения, а это значит, что технология до сих пор остается знанием ограниченного числа высокооплачиваемых шаманов, не спешащих делиться своим опытом.
Немного биохимии
Может когда-то сложные вопросы станут главами учебников, но пока нужно разобраться с тем что есть. Итак, нейросеть это модель мозга, чаще всего работает в виде программы. Так как модель повторяет свойства предмета, так и программа функционирует по принципу организации биологической сети нервных клеток. По всей видимости, с этого и нужно начать.
Если глубоко не вдаваться в медицину, то нервная клетка за счет распавшихся на ионы солей имеет электрический потенциал между пространством за пределами клетки и пространством внутри нее. При распаде соли на ионы есть отрицательная и положительная части.
Под воздействием внешнего раздражителя происходит открытие каналов в мембране клетки и вследствие чего ионы попадают внутрь, уменьшая электрический потенциал. Во время отдыха нервной клетки часть ионов выводится наружу и электрический потенциал восстанавливается. В другом конце клетки при отсутствии действия раздражителя электрический потенциал не падает, что приводит к разности потенциалов и появлению электрического тока.
За счет содержания определенных веществ электрическая проводимость между нервными клетками бывает высокой и низкой. Уже в самом мозге, состоящем из сложной сети таких клеток именно эта разница определяет как ведут себя нервные волокна у разно обученных организмов. Все это не более чем предположения ученых, но другого объяснения процесса обучения так и не появилось. Теперь давайте перейдем к модели.
Модель нейрона
Математическая модель простейшей сети нейронов это упрощение всех биохимических процессов до простой суммы произведений. Сила воздействия раздражителя на клетку это x.
Сейчас в этой сети пять клеток, разных воздействий будет тоже пять. Проводимость клетки или вес связи w это свойство проводить сигнал. В конце сети происходит сложение всех сигналов и на основе этой суммы (сравнения ее с порогом П) принимается какое-то решение.
Распознавание образа
Давайте чтоб было более наглядно рассмотрим пример. Пусть в некотором организме количество зрительных сенсоров 28 по горизонтали и 28 по вертикали, что всего-то 784 штуки.
Изображение числа из окружающей обстановки фокусируется на сенсорах и вызывают их раздражение. Если света нет, то воздействие на сенсор нулевое. Если свет максимально яркий, то пусть воздействие единица. Это поле воздействий изображено на рисунке выше. За каждым сенсором имеется свой вес или способность проводить сигнал.
Можно ли мозгом из чуть более семиста нейронов научиться распознавать числа? Давайте вернемся к простейшей модели, где всего-лишь один выход.
Выходом сети является какая-то сумма и по правилам, принятым в теории необходимо сравнить эту сумму с порогом, после чего принять двоичное решение. Ответом будет либо да, либо нет, так что при конкретно такой конструкции можно лишь поставить задачу распознать конкретное число или хотя-бы дать ответ четное оно или нет. Таким образом, организм может дать ответ, например, тройка изображена или нет.
Что такое ЗНАНИЕ?
Ответить на вопрос о том что изображено можно лишь при наличии знания у организма.
Знанием является массив весов или нейронных связей.
Как вы думаете, если значения весов задать совершенно произвольно, сможет ли нейросеть дать правильный ответ? Это вряд ли. Нейронная сеть или мозг нуждается в обучении.
Обучение сети ведется при помощи изображений с известными правильными и неправильными ответами. Этот набор называется обучающей выборкой. Показывая нейросети различные изображения необходимо подстраивать весовые коэффициенты так чтобы результат всей сети приближался к правильному решению. Об этом и многом другом мы поговорим в следующих выпусках.
Поддержите статью лайком если понравилось и подпишитесь чтобы ничего не пропускать.
Также не обойдите вниманием канал на YouTube. Подписки и лайки будут приятным ответом от аудитории.