Нихиль Будума - Основы глубокого обучения
Название: | Основы глубокого обучения | |
Автор: | Нихиль Будума | |
Жанр: | Детская образовательная литература, Околокомпьютерная литература, Управление, подбор персонала | |
Изадано в серии: | МИФ Бизнес | |
Издательство: | Манн, Иванов и Фербер | |
Год издания: | 2020 | |
ISBN: | 978-5-00146-472-3 | |
Отзывы: | Комментировать | |
Рейтинг: | ||
Поделись книгой с друзьями! Помощь сайту: донат на оплату сервера |
Краткое содержание книги "Основы глубокого обучения"
Глубокое обучение – это раздел машинного обучения, изучающий глубокие нейронные сети и выстраивающий процесс получения знаний на основе примеров. Такие крупные компании, как Google, Microsoft и Facebook* (Запрещенная организация в РФ), уделяют большое внимание глубокому обучению и расширяют свои подразделения в этой сфере. Для всех прочих глубокое обучение пока остается сложным, многогранным и малопонятным предметом.
Цель этой книги – заполнить этот пробел. Авторы разбирают основные принципы решения задач в глубоком обучении, исторический контекст современных подходов к нему и способы внедрения его алгоритмов. Для всех, кто интересуется или занимается глубоким обучением. На русском языке публикуется впервые.К этой книге применимы такие ключевые слова (теги) как: нейронные сети
Читаем онлайн "Основы глубокого обучения" (ознакомительный отрывок). [Страница - 5]
Рис. 1.8. Выражение результатов экзамена в виде нейрона
Легко показать, что линейный персептрон и нейронная модель полностью эквивалентны. И просто продемонстрировать, что одиночные нейроны более выразительны, чем линейные персептроны. Каждый из них может быть выражен в виде одиночного нейрона, но последние могут также отражать модели, которые нельзя выразить с помощью линейного персептрона.
(обратно)
Нейросети с прямым распространением сигнала
Одиночные нейроны мощнее линейных персептронов, но не способны решить сложные проблемы обучения. Поэтому наш мозг состоит из множества нейронов. Например, при помощи одного из них невозможно различить написанные от руки цифры. И чтобы решать более сложные задачи, нам нужны модели машинного обучения.Нейроны в человеческом мозге расположены слоями. Его кора, по большей части отвечающая за интеллект, состоит из шести слоев. Информация перетекает по ним, пока сенсорные данные не преобразуются в концептуальное понимание[7]. Например, самый нижний слой визуальной зоны коры получает необработанные визуальные данные от глаз. Эта информация преобразуется в каждом следующем слое и передается далее, пока на шестом слое мы не заключаем, что видим кошку, банку газировки или самолет. На рис. 1.9 показан упрощенный вариант этих слоев.
Рис. 1.9. Простой пример нейросети с прямым распространением сигнала с тремя слоями (входной, скрытый, выходной) и тремя нейронами на каждый слой
На основе этих идей мы можем создать искусственную нейросеть. Она возникает, когда мы начинаем соединять нейроны друг с другом, со входными данными и выходными узлами, которые соответствуют ответам сети на изучаемую задачу. На рис. 1.9 показан простейший пример искусственной нейросети, схожей по архитектуре с той, что была описана в 1943 году в работе Маккаллоу и Питтса. В нижний слой поступают входные данные. Верхний (выходные узлы) вычисляет ответ. Средний слой (слои) нейронов именуется скрытым, и здесь – вес соединения i-го нейрона в k-м слое с j-м нейроном в (k + 1) – м слое. Эти веса образуют вектор параметров θ, и, как и ранее, наша способность решать задачи при помощи нейросетей зависит от нахождения оптимальных значений для θ.
В этом примере соединения устанавливаются только от нижних слоев к верхним. Отсутствуют связи между нейронами одного уровня, нет таких, которые передают данные от высшего слоя к низшему. Подобные нейросети называются сетями с прямым распространением сигнала, и мы начнем с них, потому что их анализировать проще всего. Такой разбор (процесс выбора оптимальных значений для весов) мы предложим в главе 2. Более сложные варианты связей будут рассмотрены в дальнейших главах.
Ниже мы рассмотрим основные типы слоев, используемые в нейросетях с прямым распространением сигнала. Но для начала несколько важных замечаний.
1. Как мы уже говорили, слои нейронов между первым (входным) и последним (выходным) слоями называются скрытыми. Здесь в основном и происходят волшебные процессы, нейросеть пытается решить поставленные задачи. Раньше (как при распознавании рукописных цифр) мы тратили много времени на определение полезных свойств; эти скрытые слои автоматизируют процесс. Рассмотрение процессов в них может многое сказать о свойствах, которые сеть научилась автоматически извлекать из данных.
2. В этом примере у каждого слоя один набор нейронов, но это не необходимое и не рекомендуемое условие. Чаще в скрытых слоях нейронов меньше, чем во входном: так сеть обучается сжатому представлению информации. Например, когда глаза получают «сырые» пиксельные значения, мозг обрабатывает их в рамках границ и контуров. Скрытые слои биологических нейронов мозга заставляют нас искать более качественное --">Книги схожие с «Основы глубокого обучения» по жанру, серии, автору или названию:
протоиерей А И Маляревский - Энциклопедия семейного воспитания и обучения Жанр: Детская образовательная литература Год издания: 1899 Серия: Религиозное воспитание в семье |
Александр Павлович Сизов - Экологические основы землепользования в сверхкрупном городе Жанр: Детская образовательная литература Год издания: 2015 |
Ирина Игоревна Бурова, Анатолий Викторович Буров - Программа развития и обучения дошкольника. Английский язык в песенках. Для детей 4-6 лет. |
Елена Александровна Бурьевая - Недетские вопросы. Основы полового воспитания и безопасности вашего ребенка Жанр: Детская образовательная литература Серия: Детям про это. Книги для родителей |
Другие книги из серии «МИФ Бизнес»:
Шимон Перес - Робким мечтам здесь не место Жанр: Биографии и Мемуары Год издания: 2020 Серия: МИФ Бизнес |
Елена Резанова - Работа, которая заряжает. Как не выгореть, занимаясь любимым делом Жанр: Самосовершенствование Год издания: 2022 Серия: МИФ Бизнес |
Институт Арбингера - Анатомия мира. Как устранить причины конфликта Жанр: Самосовершенствование Год издания: 2022 Серия: МИФ Бизнес |
Рустам Агамалиев - От «Энигмы» до ChatGPT Жанр: Экономика Год издания: 2024 Серия: МИФ Бизнес |