Hva er et nevralt nettverk?
Introduksjon
Tenk deg at du ønsker å lære å oversette tekst fra engelsk til spansk. Du lærer språk ved å memorere ord og fraser, deres betydning og konteksten de brukes i. Basert på denne erfaringen vil du kunne oversette nye tekster som du aldri har sett før.
Et annet eksempel er klassifisering av katter og hunder. Akkurat som en person lærer å skille dem fra eksempler sett i virkeligheten, kan et nevralt nettverk lære å skille dem fra slike eksempler.
Det nevrale nettverket gjør noe lignende. Det lærer av eksempler – det kan være tekster, bilder, lyder, eller andre data vi ønsker at det skal behandle. Et nevralt nettverk, på samme måte som en person lærer et språk, prøver å identifisere mønstre i disse dataene.
Deretter bruker det disse mønstrene til å utføre oppgaver som klassifisering (bestemme hvilken kategori et objekt tilhører), regresjon (forutsi en numerisk verdi som for eksempel prisen på et hus), eller generering (skape nytt innhold basert på de lærte mønstrene). Denne prosessen med å trene et nevralt nettverk ved hjelp av eksempler kalles overvåket læring, og dette er den vanligste måten å trene det på.
Å trene et nevralt nettverk innebærer å lære det opp ved hjelp av eksempler som allerede har kjente svar, kalt merkede eksempler. Dette kan sammenlignes med å gi det en prøve der de riktige svarene allerede er oppgitt, slik at det kan lære av disse eksemplene. Når vi ber nettverket om å komme med prediksjoner, presenterer vi det for nye eksempler uten svar, altså er inputene umerkede. Nettverket bruker da det det har lært til å forutsi svarene på egen hånd.
Eksempel på nevralt nettverk
Dette er en demonstrasjon av et nevralt nettverk spesielt utviklet for å identifisere tegninger av katter og hunder.
Det løser et klassifiseringsproblem ved å behandle en input fra en i utgangspunktet ukjent klasse og returnere den identifiserte klassen.
Prøv det for å få en dypere forståelse.
LMB (venstre museknapp) - for å tegne.
Shift + LMB - for å viske ut.
Takk for tilbakemeldingene dine!
Spør AI
Spør AI
Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår
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 4Hva er et nevralt nettverk?
Sveip for å vise menyen
Introduksjon
Tenk deg at du ønsker å lære å oversette tekst fra engelsk til spansk. Du lærer språk ved å memorere ord og fraser, deres betydning og konteksten de brukes i. Basert på denne erfaringen vil du kunne oversette nye tekster som du aldri har sett før.
Et annet eksempel er klassifisering av katter og hunder. Akkurat som en person lærer å skille dem fra eksempler sett i virkeligheten, kan et nevralt nettverk lære å skille dem fra slike eksempler.
Det nevrale nettverket gjør noe lignende. Det lærer av eksempler – det kan være tekster, bilder, lyder, eller andre data vi ønsker at det skal behandle. Et nevralt nettverk, på samme måte som en person lærer et språk, prøver å identifisere mønstre i disse dataene.
Deretter bruker det disse mønstrene til å utføre oppgaver som klassifisering (bestemme hvilken kategori et objekt tilhører), regresjon (forutsi en numerisk verdi som for eksempel prisen på et hus), eller generering (skape nytt innhold basert på de lærte mønstrene). Denne prosessen med å trene et nevralt nettverk ved hjelp av eksempler kalles overvåket læring, og dette er den vanligste måten å trene det på.
Å trene et nevralt nettverk innebærer å lære det opp ved hjelp av eksempler som allerede har kjente svar, kalt merkede eksempler. Dette kan sammenlignes med å gi det en prøve der de riktige svarene allerede er oppgitt, slik at det kan lære av disse eksemplene. Når vi ber nettverket om å komme med prediksjoner, presenterer vi det for nye eksempler uten svar, altså er inputene umerkede. Nettverket bruker da det det har lært til å forutsi svarene på egen hånd.
Eksempel på nevralt nettverk
Dette er en demonstrasjon av et nevralt nettverk spesielt utviklet for å identifisere tegninger av katter og hunder.
Det løser et klassifiseringsproblem ved å behandle en input fra en i utgangspunktet ukjent klasse og returnere den identifiserte klassen.
Prøv det for å få en dypere forståelse.
LMB (venstre museknapp) - for å tegne.
Shift + LMB - for å viske ut.
Takk for tilbakemeldingene dine!
