Как нейронная сеть обучается?

В прошлой статье мы разобрали обозначения нейронной сети и искусственного интеллекта и посмотрели примеры, работу нейросети в виде схем. В этой статье мы более подробно погрузимся в обучение нейросети и её работы.

Для начала более подробно изучим внутренности одного нейрона.
В каждом нейроне есть сумматор и функция активации.

Сумматор складывает все входные сигналы, умноженные на соответствующие веса в одну сумму — взвешенную, которая характеризует поступивший на нейрон сигнал в целом.

Функция активации обрабатывает и формирует понятный/адекватный сигнал, то есть является обработчиком сумматора и выходом искусственного нейрона. Функции активации большое количество. Самые популярные: сигмоид, линейный выпрямитель и гиперболический тангенс.

Отлично, переходим к обучению нейросети.

Мы знаем, что искусственная нейронная сеть – это совокупность искусственных нейронов. И если мы сделаем, например, 228 нейронов и соединим их друг с другом, то мы получим что-то бессмысленное на выходе. Тем самым надо менять параметры сети до тех пор, пока входной сигнал не преобразуется в нужный нам выходной.

Тогда как нам сделать преобразования до нужно сигнала?
В этом и есть смысл обучения нейросети. Мы не можем изменять сумматор, менять у каждого нейрона функцию активации, так как функция активации одна на всю нейросеть. Но мы можем менять веса наших связей между нейронами.

Как правильно обучить нейросеть?
Для этого нужен набор обучающих данных. На нескольких фотографиях вы не сможете обучить нейросеть, так как она просто запомнит эти изображения, а на других будет практически нулевой результат нейросеть — бессмысленный. На данный момент существует множество обучающих данных, при чём бесплатных.
Для новичков в нейросетях рекомендую датасет (набор данных) MNIST. Данный набор данных состоит из 60.000 изображений для обучения и 10.000 для тестирования. Данный датасет пригодиться для распознавания рукописных цифр.

То есть, если мы обучили нейросеть, то можем ей пользоваться?
Не совсем. Для начала нужны тесты, их можно сделать на тех же тренировочных данных — тестовой выборке. Если в датасете их нет, то можете позаимствовать с обучающей выборке. А также вы можете использовать фотографии из интернета для большей наглядности и уверенности.

В этой статье мы разобрались с обучением нейросети и частью того, как она работает. А уже в следующей статье, мы разберём на коде, что такое TensorFlow, как пишут нейросеть и из чего она состоит.
Всем добра!

Источник: m.vk.com

Комментарии: