Что такое нейронная сеть и в чем ее принцип работы?

Нейронные сети - это набор алгоритмов, смоделированных по типу человеческого мозга. Концепция искусственной нейронной сети была вдохновлена биологией человека и тем, как нейроны человеческого мозга функционируют вместе

Нейронные сети применяются сегодня ко многим реальным проблемам, включая распознавание речи и изображений, фильтрацию спама, финансы и медицинскую диагностику

Нейронные сети не программируются, а в прямом смысле обучаются.

Алгоритм обучения нейронной сети учится на основе обработки многих помеченных примеров (т.е. данных с «ответами»), которые предоставляются во время обучения, и с помощью этого ключа ответа выясняют, какие характеристики входных данных необходимы для построения правильного вывода. Как только будет обработано достаточное количество примеров, нейронная сеть может начать обрабатывать новые, невидимые входные данные и успешно возвращать точные результаты. Чем больше примеров и разнообразных входных данных видит программа, тем более точными становятся результаты, потому что программа учится на собственном опыте.

Эту концепцию лучше всего понять на примере. Представьте себе «простую» проблему, связанную с попыткой определить, содержит ли изображение кошку. Хотя человеку довольно легко это понять, гораздо сложнее научить компьютер идентифицировать кошку на изображении с использованием классических методов. Учитывая разнообразные возможности того, как кошка может выглядеть на картинке, написание кода для каждого сценария практически невозможно. Но используя машинное обучение и, более конкретно, нейронные сети, программа может использовать обобщенный подход к пониманию содержания в изображении. Используя несколько уровней функций для разделения изображения на точки данных и информацию, которую может использовать компьютер, нейронная сеть может начать выявлять тенденции, существующие во многих, многих примерах, которые она обрабатывает и классифицирует изображения по сходству.

После обработки многих обучающих примеров изображений кошек алгоритм имеет модель того, какие элементы и их соответствующие отношения в изображении важно учитывать при принятии решения, присутствует ли кошка на изображении или нет. При оценке нового изображения нейронная сеть сравнивает точки данных о новом изображении с его моделью, которая основана на всех предыдущих оценках. Затем он использует некоторую простую статистику, чтобы решить, содержит ли изображение кошку или нет, основываясь на том, насколько близко оно соответствует модели.

Комментарии: