Начнём с определения
Нейросеть в машинном обучении — это математическая модель, которая работает по принципу нейронной сети живого организма.
Простыми словами это простая имитация человеческого мозга.
Несколько видов нейронных сетей
- многослойные нейронные сети - обрабатывают числовые данные.
- свёрточные нейронные сети - работают с изображение.
- рекуррентные нейронные сети собирают и обрабатывают информацию, которая меняется с течением времени.
- генеративные нейронные сети создают контент — тексты, изображения.
Для чего же нужны нейросети?
Суть работы нейронной сети - создать способ решения на основе опыта, который похож на способ которым решал бы сам человек.
Задачи в которых применяют нейронных сетей
Классификация. Например, когда нужно определить соответствует ли человек категории населения, которой положены льготы.
Распознавание. Например, когда нужно определить, кто изображён на фотографии — мужчина или женщина.
Решение задач без учителя. Например, выбор аудитории для таргетированной рекламы.
Предсказание. Например, чтобы спрогнозировать стоимость акций компании.
Например чтобы нейросеть смогла максимально точно спрогнозировать курс акций, разработчики должны на вход ей дать информацию о новостях, событиях, графиках и т.д.
Принцип работы нейронной сети
1. Постановка задачи
С этого начинается работа над построением нейронной сети.
2. Сбор исходных данных
Для работы нейросети нужна информация, на основе которой она будет учиться искать решение. Данные должны быть качественными, потому что сеть отчасти похожа на ребёнка: подай плохой пример, и она будет им руководствоваться, скажи плохое слово, и будет его повторять.
3. Анализ данных
Это нужно, чтобы выяснить, нет ли скрытых зависимостей или некорректных данных.
Как мы можем попробовать нейронные сети?
Топ 19 нейронных сетей
Вы можете найти по ссылке:
https://www.computerra.ru/238333/19-otlichnyh-besplatnye-nejrosetej/
другие ссылки:
https://practicum.yandex.ru/blog/chto-takoe-neyronnye-seti/
Все кто хочет что-то добавить напишите в коментариях.