Нейронные сети считаются одним из ответвлений искусственного интеллекта. Они задают классификации, прогнозы, анализ и воспроизводят аналитические процессы, генерируемые человеческим мозгом.
Плюс ко всему, нейроны запрограммированы на самообучение для того, чтобы методом проб и ошибок выстраивать самостоятельную практику работы. Для наглядности: распознание речи нейросетью занимает минуты по сравнению с идентификацией вручную экспертами, на чью работу может уйти по несколько часов.
Подойдем к вопросу с технической стороны. Искусственные нейросети (ANN) работают по принципу узловых слоев. Узел – и есть искусственный нейрон, который при соединении с другими образует порог. Узел активируется и передает данные на следующий уровень сети, только если превышает пороговое значение. Если же такого не происходит, то данные не передаются.
Нейрон принимает сигнал, преобразует его и передает другим. Так, технология работы нейронов строится на перестраивания из нескольких показателей в один.
После определения входа нейроны получают веса, которые помогают определить важность любой заданной единицы. Затем все входные данные умножаются на соответствующие веса и суммируются. После этого происходит активация и весь спект нейронных соединений вступает в работу.
Применим алгоритм нейронных сетей для решения обыденной задачи. К примеру решим, стоит ли покататься на сноуборде, используя двоичные данные (да: 1, нет: 0)
Предположим, что есть три условия, влияющих на решение вопроса:
Погода подходящая? (Да: 1, Нет: 0)
Очереди нет? (Да: 1, Нет: 0)
Если ли риск здоровью у новичков? (Да: 0, Нет: 1)
Затем предположим исход событий, при исходных условиях:
X1 = 1, так как солнечно и нет ветра
X2 = 0, так как в будни мало людей
X3 = 1, так как таких случаев не наблюдалось в последнее время
Теперь нам нужно назначить веса, чтобы задать приоритетность (важность) условий. Чем больше вес, тем параметр играет более значимую роль для задачи.
W1 = 5, так как вьюги не так часто случаются
W2 = 2, так как привыкли к толпе
W3 = 4, так как есть страх перелома
Теперь зададим пороговое значение 3, при котором значение смещения -3.
Со всеми различными входными данными мы можем начать подключать значения к формуле, чтобы получить желаемый результат.
Y-hat = (1*5) + (0*2) + (1*4) - 3 = 6
Выходом этого узла послужит значение 1 (так как 6 больше 0). В этом случае, с помощью алгоритма мы получаем решение задачи и идем кататься на сноуборде.
Вуаля — сложная задача решена по принципу алгоритма работы нейтронных сетей.