База, которую необходимо знать!
Нейросети во многих случаях работают намного лучше, чем традиционные алгоритмы машинного обучения. На их основе построено Глубокое Обучение. Они могут обрабатывать огромное количество информации и выполнять сложные задачи, с которыми не справляются традиционные методы машинного обучения. Это краткий экскурс по нейросетям, который поможет вам в них разобраться.
Немецкий философ Иммануил Кант описывал два вида знаний:
- Априорное знание – полученное без опыта. Например, когда мы рассуждаем, что так как кошки – млекопитающие, а млекопитающие – животные, то кошки – животные.
- Апостериорное знание. Оно основывается на опыте. Например, мы узнаем, что страна теплая летом, посетив её.
Нейросети – это компьютерные системы, которые способны учиться решать задачи, даже не имея априорных знаний. Они постоянно улучшают свои способности с течением времени. Фактически, когда им предоставляются данные, они могут:
- извлечь из них информацию,
- делать выводы,
- при этом они не имеют предварительного контекста или понимания сути этих данных.
Искусственные нейронные сети – эмуляция биологических, которые находятся в нашем мозге. Самый маленький строительный блок сети – это нейрон. Он собирает информацию из других входных нейронов. Количество информации каждого из них зависит от силы их связи между друг другом. При превышении определённого порога информации он активируется и «срабатывает».
Подобно тому, как это происходит в нашем мозге, искусственные нейронные сети состоят из связанных нейронов. Правда, выдают они уже числовые значения. Каждая связь между нейроном и одним из его входных нейронов имеет свой вес. Нейрон вычисляет сумму значений от входных нейронов, умноженную на соответствующие веса. Затем результат проходит через функцию активации. Она определяет выходное значение и ограничивает диапазон возможных ответов.
Путь нейрона, по которому заряд передается часто, со временем становится более надежным и крепким.
Рассмотрим, как наш мозг воспринимает информацию от внешних источников. Давайте представим, что мы получаем удар током. Нервы находящиеся возле нашей кожи, передают информацию определенным нейронам в мозге. Таким образом между этими нейронами и теми, которые управляют нашими реакциями, формируется надежный путь. И, когда подобное повторяется, наш мозг понимает, что наилучшим решением в данной ситуации является реакция на удар. Следовательно, этот нейронный путь становится более крепким и надежным.
Нейронная сеть состоит из большого количества узлов (нейронов) в разных слоях. Каждый слой может содержать любое количество узлов, и количество слоев в нейронной сети тоже может быть любым. Некоторые подробности о слоях:
- Между этими слоями существует множество взаимосвязей.
- Эти связи существуют между каждым нейроном в первом слое и каждым нейроном во втором слое.
- Нейронные сети улучшаются со временем, меняя вес связей между нейронами, чтобы достичь лучших результатов. Этот процесс называется обучением.
- Сеть может учиться контролируемо или неконтролируемо.
- В случае контролируемого обучения сети предоставляются образцы входных данных, для которых известны правильные результаты.
- Сеть корректируется путем сравнения своих выводов с правильными ответами для достижения приемлемой точности. В случае неконтролируемого обучения сети предоставляются входные данные, и цель заключается в том, чтобы увидеть, как она интерпретирует и организует эту информацию.
Получается, что нейросети это ключевой инструмент в области машинного обучения, способный решать сложные задачи. Нейронные сети заложили основу для Глубокого Обучения и имеют впечатляющий потенциал для обработки огромных объемов информации.