Что такое нейронные сети?

Август 12, 2022

Главная
Биология
Что такое нейронные сети?

Содержание

2. Что такое нейронные сети? Мозг состоит из простейших клеток – нейронов Нейрон – элементарная структурная единица
3. Нейрон головного мозга
4. Нейрон головного мозга Тело нейрона (сома) Дендриты Аксон Синапсы 5. Нервные волокна 5 Нейрон получает сигналы
5. Модель искусственного нейрона Маккалок Дж., Питтс У. Логические исчисления идей, относящихся к нервной деятельности // Автоматы.
6. Виды активационных функций нейрона {0,1}
7. Графики активационных функций нейрона Пороговая передаточная функция Логистическая функция
8. Перцептрон Розенблатта Подробно свои теории и предположения относительно процессов восприятия и перцептронов Розенблатт описал в 1962
9. Типы обучения нейронных сетей 1. Обучение с учителем Есть обучающая выборка, содержащая данные с правильными ответами
10. Однослойный персептрон Обучение нейронной сети – подбор синаптических весов таким образом, чтобы сеть решала поставленную задачу
11. Алгоритм обучения однослойного персептрона (дельта-правило)
12. входы выходной слой скрытые слои Многослойный перцептрон (MLP)
13. Для обучения нейронной сети (нахождения оптимальных значений всех весовых коэффициентов) необходимо задать: топологию сети со всеми
14. Квадратичная функция ошибки при обучении с учителем
15. Теорема Колмогорова
17. Скачать презентацию

Слайд 2

Что такое нейронные сети?
Мозг состоит из простейших клеток – нейронов
Нейрон –

элементарная структурная единица обработки информации
Мозг человека содержит в среднем 100 миллиардов нейронов (1011)
Очевидно, из простейших нейронов можно собрать довольно сложную конструкцию
Биологические модели мозга привели к математическим моделям
Искусственная нейронная сеть – компьютерная программа, моделирующая способ обработки мозгом конкретной задачи

Слайд 3

Нейрон головного мозга

Слайд 4

Нейрон головного мозга
Тело нейрона (сома)
Дендриты
Аксон
Синапсы
5. Нервные волокна
5
Нейрон получает сигналы (импульсы) от

аксонов других нейронов через дендриты и передает сигналы, сгенерированные телом клетки, вдоль своего аксона, который в конце разветвляется на волокна. На окончаниях этих волокон находятся специальные образования - синапсы, которые влияют на величину импульсов.

Слайд 5

Модель искусственного нейрона
Маккалок Дж., Питтс У. Логические исчисления идей, относящихся к

нервной деятельности // Автоматы. М.: ИЛ, 1956

Слайд 6

Виды активационных функций нейрона

{0,1}

Слайд 7

Графики активационных функций нейрона
Пороговая передаточная функция
Логистическая функция

Слайд 8

Перцептрон Розенблатта
Подробно свои теории и предположения относительно процессов восприятия и перцептронов

Розенблатт описал в 1962 году в книге «Принципы нейродинамики: Перцептроны и теория механизмов мозга»

Модель Мак-Каллока – Питтса была реализована Фрэнком Розенблаттом: в 1958 г. в виде компьютерной модели (перцептрона), в 1960 г. в виде электронного устройства, распознававшего рукописные изображения некоторых букв и цифр – первого в мире нейрокомпьютера Марк-1.

Слайд 9

Типы обучения нейронных сетей
1. Обучение с учителем
Есть обучающая выборка, содержащая данные

с правильными ответами
2. Обучение без учителя
Есть набор исходных данных без информации о правильных ответах
3. Обучение с подкреплением
Нет правильных ответов, но в процессе обучения сеть получает сигналы от внешней среды, которая при взаимодействии дает обратную связь . То есть, это обучение через опыт — так же, как учатся люди в течение жизни.

Слайд 10

Однослойный персептрон
Обучение нейронной сети – подбор синаптических весов таким образом, чтобы

сеть решала поставленную задачу

Слайд 11

Алгоритм обучения однослойного персептрона (дельта-правило)

Слайд 12

входы
выходной слой
скрытые слои
Многослойный перцептрон (MLP)

Слайд 13

Для обучения нейронной сети (нахождения оптимальных значений всех весовых коэффициентов) необходимо

задать:
топологию сети со всеми функциями активации;
функцию потерь.
Для обучения нейронной сети MLP обычно используется метод обратного распространения ошибки (backpropagation)*.

Обучение нейронной сети

*Впервые метод был описан в 1974 г. А. И. Галушкиным, а также независимо и одновременно Полом Дж. Вербосом. Далее существенно развит в 1986 г. Дэвидом И. Румельхартом, Дж. Е. Хинтоном и Рональдом Дж. Вильямсом .Это итеративный градиентный алгоритм, который используется с целью минимизации ошибки работы многослойного перцептрона и получения желаемого выхода.

Слайд 14

Квадратичная функция ошибки при обучении с учителем

Слайд 15

Что такое нейронные сети?

Содержание

Что такое нейронные сети?Мозг состоит из простейших клеток – нейронов Нейрон –

Нейрон головного мозга

Нейрон головного мозгаТело нейрона (сома)ДендритыАксонСинапсы5. Нервные волокна5Нейрон получает сигналы (импульсы) от

Модель искусственного нейронаМаккалок Дж., Питтс У. Логические исчисления идей, относящихся к

Виды активационных функций нейрона {0,1}

Графики активационных функций нейронаПороговая передаточная функцияЛогистическая функция

Перцептрон РозенблаттаПодробно свои теории и предположения относительно процессов восприятия и перцептронов

Типы обучения нейронных сетей1. Обучение с учителемЕсть обучающая выборка, содержащая данные

Однослойный персептронОбучение нейронной сети – подбор синаптических весов таким образом, чтобы