Искусственные нейронные сети – что это такое и как они работают?

Основная идея нейронной сети состоит в том, чтобы моделировать (копировать в упрощенном, но достаточно точном виде) множество плотно связанных “клеток мозга” внутри компьютера. Нейронная сеть имитирует работу мозга – учится распознавать данные, анализировать и выдавать новую информацию.

Но это не мозг. Важно отметить — нейронные сети являются программными симуляторами: создаются программированием стандартных компьютеров, работающих традиционным способом — обычными транзисторами и последовательно соединенными логическими связями, чтобы вести себя, будто созданы из миллиардов сильно взаимосвязанных клеток мозга, работающих параллельно. Никто еще не пытался построить компьютер, подключив транзисторы в плотно параллельной структуре такой же, как человеческий мозг.

Компьютерное моделирование — набор переменных и уравнений, связывающих их вместе (другими словами, числа, хранящиеся в ячейках, значения которых постоянно меняются). В этих ячейках (блоках) люди записывают математические уравнения, для обучения сети в дальнейшем.

Реальные и искусственные нейронные сети

Прежде чем мы пойдем дальше, стоит определить термины. Нейронные сети, создаваемые таким образом, называются искусственными нейронными сетями (ANN), чтобы отличать их от реальных нейронных сетей (наборов взаимосвязанных клеток мозга), которые мы находим в нашем мозге.

Из чего состоит нейронная сеть?

Нейронная сеть содержит скрытые блоки, количеством от десятков до миллионов, их называют единицами. В скрытых блоках записаны математические формулы и уравнения, через них сеть обучается. Скрытые блоки соединены справа и слева другими блоками.

Блоки ввода, предназначены для получения информации из внешнего мира, которую сеть попытается понять, узнать, распознать и обработать. Другие устройства располагаются на противоположной стороне сети и сигнализируют о том, как они реагируют на данные, которые они узнали; называются они блоками выхода. Между входными и выходными блоками находятся один или несколько слоев скрытых блоков, которые вместе образуют основную часть сети.

Как нейронная сеть изучает вещи?

Информация проходит двумя способами. Когда сеть обучается или работает нормально (после обучения), шаблоны информации поступают в сеть через блоки ввода, которые запускают слои скрытых блоков, и они, в свою очередь, поступают в блоки вывода. Этот общий дизайн называется сетью прямой связи. Скрытые блоки получают входы от блоков входа, и умножает их на вес соединений (задаваемое оператором), по которым он проходит. Каждый блок суммирует все входы, которые он получает, и если сумма превышает определенное пороговое значение (заданное оператором), блок запускает ответ на блоки вывода.

Для нейронной сети, чтобы учиться, должен быть элемент обратной связи — так же, как дети учатся, когда им говорят, что они делают правильно или неправильно. На самом деле, мы все время используем обратную связь. Например, дети впервые учатся играть в такую ​​игру, как боулинг. Ребенок берет тяжелый мяч и катит его по дорожке, мозг наблюдает, как быстро мяч двигался, и по какой линии он следовал, и отмечает, насколько близко шар подошел к кеглям. В следующий раз ребенок помнит, что делал раньше, соответственно изменит свои движения и, надеется бросить шар немного лучше. Таким образом, он использует обратную связь — сравнивает нужный результат с тем, что произошло, выясняет разницу между ними и использует, и с новым броском корректирует информацию о том, как необходимо бросить шар.