цифровая электроника
вычислительная техника
встраиваемые системы

 
» » Принцип работы нейронной сети: что такое персептрон

Принцип работы нейронной сети: что такое персептрон

Автор: Mike(admin) от 2-12-2019, 05:35

Что такое нейронная сеть


Нейронные сети являются инструментами обработки сигналов, которые в значительной степени основаны на структуре человеческого мозга. Они обычно связаны с таким понятием как искусственный интеллект (ИИ). Впрочем, термин «искусственный интеллект» неточный и сокращенный. Если вы определяете «интеллект» как способность быстро выполнять численные вычисления, то нейронные сети – это определенно ИИ. Но интеллект, возможно, гораздо больше – это такая вещь, которая проектирует систему, которая быстро выполняет численные вычисления, а затем пишет статью об этом, а потом обдумывает значение слова «интеллект», а затем задается вопросом, почему люди создают нейронные сети и пишут о них статьи.


Принцип работы нейронной сети: что такое персептрон

Кроме того, искусственный интеллект не совсем искусственный. Это очень реальный разум, потому что это математическая система, которая работает в соответствии с интеллектом людей, которые его разработали.


Нейронные сети – это программные процедуры, которые могут «учиться» на существующих данных и эффективно решать сложные проблемы обработки сигналов. С ними интересно изучать и экспериментировать, а в некоторых случаях они намного превосходят возможности «нормальных» алгоритмов. Тем не менее, они не избавят мир от голода, не смогут написать хорошую поэзию, им все равно еще чего-то не хватает до полного очеловечивания.


Что такое персептрон


Базовая нейронная сеть на основе персептрона концептуально проста. Персептрон может состоять не более чем из двух входных узлов и одного выходного узла, соединенного взвешенными соединениями.


Что такое персептрон

Размерность входных данных должна соответствовать размерности входного слоя. Термин «размерность» может быть здесь немного запутанным, потому что большинство людей не могут визуализировать что-то более чем в трех измерениях. Все это действительно означает, что ваши входные данные – например, шаблон, который вы хотите классифицировать – это вектор с заданной длиной, и ваш входной слой должен иметь узел для каждого элемента в векторе. Поэтому, если вы пытаетесь классифицировать шаблон, представленный серией из 20 точек данных, у вас есть вектор из 20 элементов, и вам нужно 20 входных узлов.


Выходной узел генерирует данные, которые представляют интерес для разработчика. Количество выходных узлов зависит от приложения. Если вы хотите принять решение о классификации типа «да / нет», вам нужен только один выходной узел, даже если есть сотни входных узлов. С другой стороны, если цель состоит в том, чтобы поместить входной вектор в одну из нескольких возможных категорий, у вас будет несколько выходных узлов.


Данные, которые перемещаются от одного узла к другому, умножаются на веса. Эти обычные скалярные значения на самом деле являются ключом к функциональности персептрона: веса изменяются во время процесса обучения, и благодаря автоматической настройке весов в соответствии с шаблонами, содержащимися в данных обучения, сеть приобретает способность производить полезный вывод.


Как работает нейронная сеть на основе персептрона


Узлы на входном слое являются просто точками соединения; они не изменяют входные данные. Выходной слой, а также любые дополнительные слои между входом и выходом содержат вычислительные узлы сети. Когда числовые данные поступают в вычислительные узлы, сначала они суммируются, а затем они подвергаются функции «активации».


Принцип работы нейронной сети: что такое персептрон

Концепция активации восходит к поведению (биологических) нейронов, которые взаимодействуют через активные или неактивные потенциалы действия; это больше похоже на цифровую систему включения / выключения, чем на аналоговую систему. В контексте (искусственных) нейронных сетей узлы, которые также называются (искусственными) нейронами, могут имитировать поведение нейронов, применяя пороговую функцию, которая выводит 1, когда входной сигнал больше, чем пороговое значение, и 0 в противном случае. На следующем графике показана взаимосвязь ввода-вывода базовой функции активации «единичный шаг».


Принцип работы нейронной сети: что такое персептрон

Вставляя это пороговое преобразование в распространение данных от узла к узлу, мы вводим нелинейность в систему, и без этой нелинейности функциональность нейронной сети очень ограничена. Теория здесь сложна, но общая идея состоит в том, что комбинации линейных преобразований, даже если эти линейные преобразования происходят много раз, никогда не смогут приблизиться к отношениям, которые характеризуют сложные природные явления и сложные задачи обработки сигналов.




© digitrode.ru


Теги: нейронная сеть, искусственный интеллект, машинное обучение



   Благодарим Вас за интерес к информационному проекту digitrode.ru.
   Если Вы хотите, чтобы интересные и полезные материалы выходили чаще, и было меньше рекламы,
   Вы можее поддержать наш проект, пожертвовав любую сумму на его развитие.


Уважаемый посетитель, Вы зашли на сайт как незарегистрированный пользователь.
Мы рекомендуем Вам зарегистрироваться либо войти на сайт под своим именем.

Комментарии:

Оставить комментарий