“Предоставление информации”
Когда нейросеть обучают, ей «показывают» данные, по которым необходимо что-то предсказать, и эталонные правильные ответы для них — это называется обучающей выборкой. Информации должно быть много — считается, что минимум в 10 раз больше, чем количество нейронов в сети.
Во время обучения нейросети показывают какую-либо информацию и говорят, что это ответ. Все данные представляются с помощью формул и числовых коэффициентов. Например, изображению мужчины соответствует «1», а изображению девушки — «0». Это простой пример.
Реальные сети устроены в разы сложнее.
“Преобразования”
Входные нейроны получают информацию, преобразуют ее и передают дальше. Содержание информации автоматически обрабатывается с помощью формул и превращается в математические коэффициенты. Примерно как то, что мы видим глазами, превращается в нервные импульсы и передается в мозг. Мозг обрабатывает, и человек понимает, что находится вокруг него. Принцип похож.
“Обработка и выводы”
У каждого нейрона есть число внутри него, рассчитанное по алгоритмам. Оно показывает, насколько показания нейрона значимы для всей сети. Во время обучения числа нейронов автоматически меняются и балансируются.
В результате складывается ситуация, когда определенные нейроны реагируют, например, на очертания человека — и выдают информацию, которая преобразуется в ответ: «Это человек». При этом человека не нужно описывать как набор математических фигур — во время обучения нейронная сеть сама задает значения чисел, которые определяют его.
“Результат”
Выводом нейронной сети становится набор формул и чисел, которые преобразуются в ответ. Например, если изображение мужчины — «1», а девушки — «0», то результат 0,67 будет означать что-то вроде «Скорее всего, это мужчина». Нейросеть из-за своей структуры не может дать абсолютно точный ответ, а только всего лишь вероятность. И из-за закрытости и нестабильности нейронов ее показания могут различаться даже для одинаковых выборок.
