- Источник:
- Rüdiger Wölk via Legion Media
Есть разные алгоритмы обучения, но все они связаны с изменением вклада отдельных нейронов в общий результат
Есть множество алгоритмов обучения искусственных нейронных сетей, но все они связаны с изменением «веса» нейронов. Разберем один из простейших алгоритмов. Пусть задача нейросети — опознавать по изображению цифру 5. Сеть состоит из нескольких входных (сенсорных) нейронов и одного выходного. На входные нейроны поступают пиксели изображения, а выходной выдает ответ на вопрос, изображена ли там пятерка.
Когда сеть видит очередное изображение, каждый сенсорный нейрон получает свой пиксель и голосует по вопросу, пятерка изображена или нет. Этому голосу приписывается некоторый вес. Выходной нейрон складывает взвешенные сигналы всех сенсорных нейронов. Если сумма превышает некоторый порог, он выдает ответ «это пятерка».
При обучении мы показываем программе изображения различных цифр. Если сеть решила, что видит пятерку, и ошиблась, мы «наказываем» проголосовавшие за это решение нейроны: уменьшаем вес их голосов. Если сеть видела пятерку, но не узнала ее, мы «поощряем» увеличением веса нейроны, голосовавшие за пятерку. Довольно скоро сеть верно распознает цифру 5 в большинстве случаев.
