Каниа Алексеевич Кан - Нейронные сети. Эволюция

нейрон и нейронные сети? У нас с вами и многих животных
есть мозг. Мозг в свою очередь представляет собой сложную биологическую нейронную
сеть, которая принимает информацию от органов чувств и обрабатывает её (распознавание
слуховой и зрительной информации, распознавание вкуса, тактильных ощущений и т.д.).
Строение биологического нейрона:

Собственно, эту биологическую модель нейрона мы и будем моделировать. А точнее
нам понадобится смоделировать некую структуру, которая принимает на вход сигнал
(дендрит), преобразовать этот сигнал по типу – как это происходит в биологическом
нейроне, и передать преобразованный сигнал на выход (аксон).
Искусственный нейрон – математическая модель биологического нейрона.
Модель искусственного нейрона (слева – биологический нейрон, справа –
искусственный):

Наш мозг, как и любая биологическая нейронная сеть, состоит из множества нейронов.
В человеческом головном мозге насчитывается более 80 миллиардов нейронов, у
каждого из который тысячи входов и выходов, и каждый из них соединен с входами других
нейронов. И такую модель, в ограниченных объёмах, мы тоже с успехом можем упростить.
Переход к модели искусственных нейронных сетей:

Уровень вычислительной мощности для моделирования ИНС
Мы уже знаем, что в мозге человека более 80 миллиардов нейронов, у каждого из
который тысячи входов и каждый из них соединен с выходами других нейронов.
Смоделировать такой объём нейронов и количество их связей, мы на сегодняшний день
не сможем. Но, мы можем упростить модель работы мозга, правда в гораздо меньших
объёмах. Уровень вычислительной мощности современных компьютеров, при
моделировании биологических нейронных сетей, как можно видеть на слайде ниже,
немногим выше обычной пиявки.
Насколько сильно мы уменьшаем количество нейронов и связей по сравнению с
человеческим мозгом:

Как видите, до человека еще достаточно далеко. Но и этого объёма, что будет доступен,
будет вполне достаточно для наших задач.

Почему работают нейронные сети
Весь секрет работы нейронных сетей заключается в работе синапсов, которые вы
можете видеть на изображении биологического нейрона:

Синапсы – место стыка выхода одного нейрона и входа другого, где происходит
усиление и ослабление сигнала. В усилении и ослаблении сигнала и происходит вся суть
работы и обучения нейронных сетей. Если при обучении правильно подобрать параметры в
синапсах, то входной сигнал, после прохода через нейронную сеть, будет преобразовываться
в верный сигнал на выходе.
Все выше сказанное сейчас для вас представляется, лишь теоретической абстракцией и
без практики очень трудным к осмыслению, но мы все разберем по полочкам – всю суть
работы этого механизма. Действительно, на данном этапе невозможно понять, как работает
нейрон, в чем смысл ослабления и усиления сигналов в синапсах, но информация, которую
мы получили поможет нам в будущем, когда будем разбираться, что же всё-таки происходит
внутри нейрона и нейронных сетях.

Как автоматизировать работу
Наверняка, многим из нас, порой до чёртиков, надоедало повторять одни и те же
действия на работе или учёбе. В этот момент кажется, что ничего не может быть хуже
каждодневной рутины.
Давайте включим воображение и представим себя офисным работником. Суть нашей
работы – классификация данных на два вида. Каждый день, нам приходит список с данными,
где может содержаться более 1000 позиций, которые мы самостоятельно должны отделить
друг от друга, на основании чего сказать – какой из двух видов стоит за определенной
позицией.
Итак, мы пришли на работу и видим на столе очередной список с данными, которые мы
должны как можно быстрей классифицировать. А браться за работу, ох как неохота. Эх, если
бы работа умела сама себя делать…
А ведь это мысль! Что если создать такую программу, которая многое из наших
вакантных обязанностей, брала на себя. Сама с большой точностью, классифицировала

загружаемые в неё данные.
Всё это кажется фантастикой, но всё же реализуемо.
Логичней всего в первую очередь подумать, как это сделать с точки зрения математики.
Ведь используя строгую математическую логику, мы поймём, как нам действовать, и
добьёмся точных данных на выходе программы.
Ну как в любом начинании, нужно начать с самого простого.
Когда то, в младших --">