Как работает нейронная сеть

Нейронная сеть представляет собой определенную последовательность нейронов, которые соединяются друг с другом синапсами. Структуру данной сети программирование позаимствовало у биологии. Именно благодаря ей, машина получает способность к анализированию и запоминанию разнообразной информации.

Нейронные сети умеют воспроизводить полученные данные из памяти. Можно сказать, что подобная сеть – компьютерная интерпретация человеческого мозга с миллионами нейронов, обеспечивающих передачу данных в виде электрических импульсов. Ранее мы рассказывали о внедрении нейронных сетей в работу Google Translate для русского языка.

Существуют нейронные сети:

• прямого распространения – с последовательной связью нейронных слоев, где
• данные постоянно идут в одном лишь направлении;
• рекуррентные.

Для чего используются нейронные сети

Нейронные сети помогают решить задачи высокой сложности, требующие аналитических вычислений. Наиболее распространенное использование:

• классификация – распределение полученной информации по параметрам;
• предсказание – способность благодаря анализу предугадывать следующий шаг;
• распознавание – применяется наиболее широко (например, в поиске фото Google или в камерах телефонов).

Из чего состоит нейронная сеть

Нейрон является вычислительной единицей, получающей данные, производящей над ними простые вычислительные действия и передающей их дальше.

Существует 3 основных вида:

• входной;
• скрытый;
• выходной.

Если нейронов в сети много, вводится термин «слоя». Каждый нейрон имеет 2 главных показателя:

• входные данные – input data;
• выходные данные – output data.

Нейроны оперируют числами в конкретном диапазоне [0,1] или же [-1,1]. Когда необходима обработка чисел, не входящих в этот диапазон, она происходит при помощи процесса нормализации.

Синапс обеспечивает связь между 2-мя нейронами.

Он имеет всего 1 показатель – вес, с помощью которого при переходе между нейронами входные данные изменяются. Когда происходит инициализация нейронной сети, расстановка весов имеет случайный порядок.

Терминология и свойства нейронной сети

1. Функция активации – процесс нормализации входной информации. Главными функциями активации являются линейная функция, сигмоид (или логистическая функция) и гиперболический тангенс. Отличаются они диапазоном значений.
2. Тренировочный сет – определенная последовательность данных в нейросети, которыми она оперирует.
3. Итерация – так называемый счетчик, увеличивающийся, когда нейросеть проходит 1 тренировочный сет. Можно сказать, это общая численность данных сетов, которые прошла сеть.
4. Эпоха – величина, которая при инициализации нейронной сети должна иметь значение 0. Верхняя граница задается вручную. Большой показатель эпохи означает, что сеть хорошо натренирована и выдает лучший результат. Нельзя путать с эпохой итерацию.
5. Ошибка – процентная величина, показывающая расхождение между тем ответом, который ожидался, и полученным. 3 основных метода, помогающие вычислить ошибку: Mean Squared Error (MSE), Arctan и Root MSE.