Mikä on neuroverkko?
Johdanto
Kuvittele, että haluat oppia kääntämään tekstiä englannista espanjaksi. Opit kieliä muistelemalla sanoja ja lauseita, niiden merkityksiä sekä konteksteja, joissa niitä käytetään. Tämän kokemuksen perusteella pystyt kääntämään uusia tekstejä, joita et ole aiemmin nähnyt.
Toinen esimerkki on kissojen ja koirien luokittelu. Samalla tavalla kuin ihminen oppii erottamaan ne elämänsä aikana näkemistään esimerkeistä, myös neuroverkko voi oppia tunnistamaan ne tällaisista esimerkeistä.
Neuroverkko toimii samalla tavalla. Se oppii esimerkeistä – nämä voivat olla tekstejä, kuvia, ääniä tai mitä tahansa dataa, jota haluamme sen käsittelevän. Neuroverkko, aivan kuten ihminen oppii kieltä, pyrkii tunnistamaan kuvioita tästä datasta.
Se käyttää näitä kuvioita suorittaakseen tehtäviä, kuten luokittelu (määrittää, mihin kategoriaan objekti kuuluu), regressio (ennustaa numeerisen arvon, kuten talon hinnan) tai generointi (luo uutta sisältöä opittujen kuvioiden perusteella). Tätä prosessia, jossa neuroverkkoa opetetaan esimerkkien avulla, kutsutaan ohjatuksi oppimiseksi, ja se on yleisin tapa opettaa neuroverkko.
Neuroverkon kouluttaminen tarkoittaa sen opettamista esimerkkien avulla, joilla on jo tunnetut vastaukset, eli merkittyjä esimerkkejä. Tämä on verrattavissa kokeeseen, jossa oikeat vastaukset annetaan etukäteen, jolloin verkko voi oppia näistä esimerkeistä. Kun pyydämme verkkoa tekemään ennusteita, annamme sille uusia esimerkkejä ilman vastauksia, eli syötteet ovat merkitsemättömiä. Verkko soveltaa oppimaansa ja ennustaa vastaukset itsenäisesti.
Neuroverkon esimerkki
Tämä on esittely neuroverkosta, joka on suunniteltu tunnistamaan kissojen ja koirien piirroksia.
Se ratkaisee luokitteluongelman käsittelemällä syötteen, jonka luokka on aluksi tuntematon, ja tuottamalla tunnistetun luokan.
Kokeile sitä saadaksesi syvemmän ymmärryksen.
LMB (vasen hiiren painike) - piirtämiseen.
Shift + LMB - pyyhkimiseen.
Kiitos palautteestasi!
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
What is supervised learning in more detail?
How does the neural network decide if a drawing is a cat or a dog?
Can you explain how the layers in the neural network work?
Awesome!
Completion rate improved to 4Mikä on neuroverkko?
Pyyhkäise näyttääksesi valikon
Johdanto
Kuvittele, että haluat oppia kääntämään tekstiä englannista espanjaksi. Opit kieliä muistelemalla sanoja ja lauseita, niiden merkityksiä sekä konteksteja, joissa niitä käytetään. Tämän kokemuksen perusteella pystyt kääntämään uusia tekstejä, joita et ole aiemmin nähnyt.
Toinen esimerkki on kissojen ja koirien luokittelu. Samalla tavalla kuin ihminen oppii erottamaan ne elämänsä aikana näkemistään esimerkeistä, myös neuroverkko voi oppia tunnistamaan ne tällaisista esimerkeistä.
Neuroverkko toimii samalla tavalla. Se oppii esimerkeistä – nämä voivat olla tekstejä, kuvia, ääniä tai mitä tahansa dataa, jota haluamme sen käsittelevän. Neuroverkko, aivan kuten ihminen oppii kieltä, pyrkii tunnistamaan kuvioita tästä datasta.
Se käyttää näitä kuvioita suorittaakseen tehtäviä, kuten luokittelu (määrittää, mihin kategoriaan objekti kuuluu), regressio (ennustaa numeerisen arvon, kuten talon hinnan) tai generointi (luo uutta sisältöä opittujen kuvioiden perusteella). Tätä prosessia, jossa neuroverkkoa opetetaan esimerkkien avulla, kutsutaan ohjatuksi oppimiseksi, ja se on yleisin tapa opettaa neuroverkko.
Neuroverkon kouluttaminen tarkoittaa sen opettamista esimerkkien avulla, joilla on jo tunnetut vastaukset, eli merkittyjä esimerkkejä. Tämä on verrattavissa kokeeseen, jossa oikeat vastaukset annetaan etukäteen, jolloin verkko voi oppia näistä esimerkeistä. Kun pyydämme verkkoa tekemään ennusteita, annamme sille uusia esimerkkejä ilman vastauksia, eli syötteet ovat merkitsemättömiä. Verkko soveltaa oppimaansa ja ennustaa vastaukset itsenäisesti.
Neuroverkon esimerkki
Tämä on esittely neuroverkosta, joka on suunniteltu tunnistamaan kissojen ja koirien piirroksia.
Se ratkaisee luokitteluongelman käsittelemällä syötteen, jonka luokka on aluksi tuntematon, ja tuottamalla tunnistetun luokan.
Kokeile sitä saadaksesi syvemmän ymmärryksen.
LMB (vasen hiiren painike) - piirtämiseen.
Shift + LMB - pyyhkimiseen.
Kiitos palautteestasi!
