evan_gcrm (evan_gcrm) wrote,
evan_gcrm
evan_gcrm

Нейросети

Оригинал взят у alev_biz


Впервые идею искусственной нейронной сети описали еще в 1943 году нейропсихолог Уоррен Мак-Каллок и математик Уолтер Питтс. В их представлении мозг упрощался до простейшей взаимосвязанной цепи, каждое звено в которой может обрабатывать информацию по принципу нескольких входных данных, анализа и одного выхода с последующей передачей ответа другому звену.

Конечно, сразу это воплотить в жизнь не удалось и не удавалось долгое время, пока опытные программисты и инженеры не создали модели и режимы работы с нейросетями и не обеспечили подходящее техническое обеспечение.


Каждое такое звено – условный нейрон.
Вспомним, как он выглядит: тело, множество коротких отростков – дендритов, один длинный – аксон, тонкие нервные окончания и места соприкосновения одного нейрона с другим – синапсы. Это упрощенная схема, но именно она нам и подходит. Главное – запомнить, что по дендритам информация идет в нейрон, и только по аксону передается дальше, а также то, что у каждого нейрона могут быть тысячи синапсов, по которым поступает информация, но выход один.



Наш простейший нейрон – идеальный вычислительный элемент.
Его задача – оценить некоторые факты на входе и дать им оценку в зависимости от своей настройки – синаптических весов. В это время внутри – в его теле – происходит суммация фактов, умноженных на вес каждого, их преобразование, а затем готовая оценка по аксону переходит в следующий нейрон, где с ней совершаются преобразования уже иного толка.



Чтобы не углубляться в теорию, рассмотрим этот процесс на примере.
Допустим, вы пришли в магазин электроники и выбираете плеер. Вы уже заранее в интернете просмотрели обзоры, узнали про характеристики и составили себе план того, что вам бы хотелось иметь из функций. Например, мощный аккумулятор, хорошая подача звука, наличие небольшого экрана. Это будут входные данные.

Очень редко бывает так, что вы найдете однозначно сделанную специально под ваши запросы вещь. Поэтому вы выбираете то, что для вас имеет большее значение: возможность смотреть на то, какая песня играет сейчас? А, может быть, вы будете брать его в двухнедельные походы без возможности подзарядки? Или вы хотите слышать кристально чистый звук? Вы ориентируетесь сугубо индивидуально, мысленно подгоняя бегунки, а нейросеть определяет каждый параметр в процентах.

В магазине вы подставляете каждую модель под необходимые вам критерии и анализируете, насколько она подходит. Здесь есть несколько типов выбора. Один из них назовем «нейрон-максималист», который при малейшем несоответствии будет отметать предлагаемые варианты, другой – прямолинейный, при котором возможность вашей покупки будет возрастать строго в прямой зависимости от повышения кристальности звука или объема батареи, и самый подходящий – «нейрон-мудрец», который позволит решить проблему наподобие «этот плеер достаточно вынослив, но в нем нет экрана, да и звук немного не подходит моему тонкому слуху гурмана, поэтому поищу, пожалуй, еще».



Но это самая простая схема. Допустим, что кроме перечисленных трех параметров для нас также важна стоимость плеера, так как мы имеем ограниченный бюджет. Кроме того, мы хотим, чтобы наш плеер обладал современным дизайном и был в металлическом корпусе, так как мы частенько что-то роняем.

Таким образом, вводя все большее количество входных данных и выставляя им свой вес, мы уточняем пределы наших желаний и возможностей и в итоге на выходе получаем свой «идеальный» гаджет. Все, что находится между входами и выходом и происходит в теле нейрона, называется скрытыми слоями. Мы уже сейчас приняли взвешенное решение, которое оказалось далеким от бескомпромиссной логики типичных программистов «если – то» (характерно для старых алгоритмов).

А если мы каждый раз будем усложнять сеть, добавлять в нее все новые слои, наращивая количество нейронов до 1000 и больше?

Ни один человеческий разум не сможет охватить всю глубину «проблемы», тем более, сделать ручные настройки, поэтому такая нейросеть должна уметь обучаться самостоятельно.

Представим младенца, который, повторяя за взрослыми, учится ходить. Вот он сделал пару неловких движений и упал. Встал, попытался чуть выпрямить траекторию своего движения, сделать шаги более четкими, а при следующем падении сгруппироваться, чтобы было менее больно. Так мы в детстве и постигаем жизнь методом проб и ошибок. То же самое относится к нейросети. Мы задаем ей исходные параметры и то, что хотим получить в итоге, а уже она сама простраивает необходимые для этого пути по методу обратного распространения ошибки (в котором полученный результат сравнивается с введенным нами эталоном), пока мы не приходим к удовлетворяющему нас итогу.



Здесь тоже возможно несколько вариантов развития событий. Вернемся к нашему выбору плеера.

Вариант первый – обучение с учителем. Мы читаем статьи, смотрим обзоры от компаний и видеоблогеров, обмениваемся мыслями на форумах владельцев гаджетов и расспрашиваем друзей. Затем, вооружившись советами, идем в магазин.

Вариант второй – обучение без учителя. Не готовимся специально, приходим в магазин и выбираем первый попавшийся плеер, который нам приглянулся чисто внешне. А потом покупаем еще и еще, пока не наткнемся на то, что нам действительно нравится.

Вариант третий – смешанный или обучение с подкреплением. Мы не готовимся, но имеем примерный набор желаний, идем в магазин, изводим консультанта вопросами, выслушиваем подробные характеристики про каждую модель и делаем свой выбор.

То, о чем мы рассказали – самый простой тип нейросети, который называется перцептроном. Это – та основа, на которой построены остальные типы. Например, есть сверточные нейросети, которые анализируют объект одновременно по ряду характеристик, сложение которых затем приводит к единой картине.

Также есть реккурентные нейросети, главная особенность которых – наличие памяти. То есть она запоминает каждый предыдущий полученный в процессе обработки результат и кладет его в основу нового анализа, точно определяя динамику процесса и делая правильные предсказания. Несложно догадаться, что такие нейросети используют на биржах.

/Источник/




Tags: Технологии
Subscribe
promo evan_gcrm март 28, 19:35 75
Buy for 30 tokens
Основополагающим элементом, основным двигателем всей жизни, является репликатор. Скопированная информация - это и есть «репликатор». На Земле первый репликатор довольно бесспорный - это гены, или информация, закодированная в молекулах ДНК. Точнее это первый репликатор, о котором мы знаем.…
  • Post a new comment

    Error

    default userpic

    Your IP address will be recorded 

    When you submit the form an invisible reCAPTCHA check will be performed.
    You must follow the Privacy Policy and Google Terms of use.
  • 11 comments