Тип статьи: [Машинное Обучение] (смотрите Карту блога) В математике довольно часто за сложным и объемным аппаратом стоит простая и интуитивно понятная логика. Так и с компьютерным зрением. Прежде чем понять, что такое свертка и пулинг, нужно обозначить базовые концепции работы нейронных сетей. Сеть состоит из слоев нейронов. Слои следуют один за одним и по цепочке обрабатывают некоторую информацию. Каждый слой, в процессе обучения сети, учится решать некоторую задачу. Чем слой дальше от начала, тем эта задача более объемная...
Рекуррентные нейронные сети (RNN) — это тип искусственных нейронных сетей, способных обрабатывать последовательности данных. Они "помнят" предыдущие шаги в последовательности и используют эту информацию для текущего выхода. Хороши для задач, где контекст имеет значение, например, в анализе текста или временных рядов. Бывают следующие виды рекуррентных сетей: Сравним два популярных вида нейронных сетей LSTM и GRU LSTM (Long Short-Term Memory) — это тип рекуррентной нейронной сети, который лучше "помнит" информацию на длинных последовательностях данных. В LSTM есть "ворота", которые решают, какую информацию сохранить или забыть...