Изучение архитектуры сетевого соединения. Нейронные сети обратного распространения ошибки. Исследование алгоритма градиентного спуска. Использование векторной арифметики для понимания принципов обучения нейросети обратного распространения ошибки.
Аннотация к работе
Как и мозг человека, ИНС состоит из множества соединенных друг с другом элементов - нейронов, которые имитируют нейроны головного мозга. Классическим примером архитектуры сети является нейросеть, в которой нейроны расположены по слоям и выходы одного слоя являются входами следующего. В этой статье будут рассматриваться только многослойные сети прямого распространения, т.е. сети, в которых возбуждение передается лишь в одном направлении последовательно, от слоя к слою. 1 видно, что искусственный нейрон, так же, как и живой, состоит из синапсов, связывающих входы нейрона с ядром; ядро нейрона, которое осуществляет обработку входных сигналов и аксона, который связывает нейрон с нейронами следующего слоя. В пределах слоя нейроны не связаны, однако между соседними слоями нейроны соединяются по принципу «каждый с каждым» так, что выходы предыдущего слоя являются входами следующего.