175a7be439
|
||
|---|---|---|
| .. | ||
| 03-Perceptron | ||
| 04-OwnFramework | ||
| 05-Frameworks | ||
| README.md | ||
README.md
Úvod do neuronových sítí
Jak jsme si řekli v úvodu, jedním ze způsobů, jak dosáhnout inteligence, je trénovat počítačový model nebo umělý mozek. Od poloviny 20. století vědci zkoušeli různé matematické modely, až se v posledních letech tento směr ukázal jako velmi úspěšný. Tyto matematické modely mozku se nazývají neuronové sítě.
Někdy se neuronové sítě označují jako umělé neuronové sítě (Artificial Neural Networks, ANNs), aby bylo jasné, že mluvíme o modelech, nikoli o skutečných sítích neuronů.
Strojové učení
Neuronové sítě jsou součástí širší disciplíny nazývané strojové učení, jejímž cílem je využívat data k trénování počítačových modelů, které dokážou řešit problémy. Strojové učení tvoří velkou část umělé inteligence, avšak v tomto kurikulu se klasickým strojovým učením nezabýváme.
Navštivte náš samostatný kurikulum Strojové učení pro začátečníky, kde se dozvíte více o klasickém strojovém učení.
Ve strojovém učení předpokládáme, že máme nějakou datovou sadu příkladů X a odpovídající výstupní hodnoty Y. Příklady jsou často N-rozměrné vektory, které se skládají z příznaků, a výstupy se nazývají štítky.
Budeme se zabývat dvěma nejběžnějšími problémy strojového učení:
- Klasifikace, kde je třeba zařadit vstupní objekt do dvou nebo více tříd.
- Regrese, kde je třeba předpovědět číselnou hodnotu pro každý ze vstupních vzorků.
Při reprezentaci vstupů a výstupů jako tenzorů je vstupní datová sada maticí o velikosti M×N, kde M je počet vzorků a N je počet příznaků. Výstupní štítky Y jsou vektorem o velikosti M.
V tomto kurikulu se zaměříme pouze na modely neuronových sítí.
Model neuronu
Z biologie víme, že náš mozek se skládá z nervových buněk, z nichž každá má více "vstupů" (axonů) a jeden výstup (dendrit). Axony a dendrity mohou vést elektrické signály a spojení mezi axony a dendrity mohou vykazovat různé stupně vodivosti (řízené neuromediátory).
 |
 |
|---|---|
| Skutečný neuron (Obrázek z Wikipedie) | Umělý neuron (Obrázek od autora) |
Nejjednodušší matematický model neuronu tedy obsahuje několik vstupů X1, ..., XN a jeden výstup Y a řadu vah W1, ..., WN. Výstup se vypočítá jako:
kde f je nějaká nelineární aktivační funkce.
První modely neuronu byly popsány v klasickém článku Logický kalkulus idejí imanentních nervové aktivitě od Warrena McCullocha a Waltera Pittse v roce 1943. Donald Hebb ve své knize "Organizace chování: Neuropsychologická teorie" navrhl způsob, jak lze tyto sítě trénovat.
V této sekci
V této sekci se naučíme:
- Perceptron, jeden z nejstarších modelů neuronových sítí pro klasifikaci do dvou tříd
- Vícevrstvé sítě s doprovodným notebookem jak vytvořit vlastní framework
- Frameworky neuronových sítí, s těmito notebooky: PyTorch a Keras/Tensorflow
- Přeučení
Prohlášení:
Tento dokument byl přeložen pomocí služby pro automatický překlad Co-op Translator. I když se snažíme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho původním jazyce by měl být považován za autoritativní zdroj. Pro důležité informace doporučujeme profesionální lidský překlad. Neodpovídáme za žádné nedorozumění nebo nesprávné interpretace vyplývající z použití tohoto překladu.