Що таке нейронна мережа?
Вступ
Уявіть, що ви хочете навчитися перекладати текст з англійської на іспанську. Ви вивчаєте мови шляхом запам'ятовування слів і фраз, їх значень і контексту, в якому вони використовуються. На основі цього досвіду ви зможете перекладати нові тексти, які раніше не бачили.
Інший приклад — класифікація котів і собак. Так само, як людина навчається розрізняти їх на основі побачених у житті прикладів, нейронна мережа може навчитися розпізнавати їх за такими ж прикладами.
Нейронна мережа діє подібним чином. Вона навчається на прикладах — це можуть бути тексти, зображення, звуки, будь-які дані, які ми хочемо, щоб вона обробляла. Нейронна мережа, так само як людина вивчає мову, намагається знаходити закономірності у цих даних.
Далі вона використовує ці закономірності для виконання завдань, таких як класифікація (визначення, до якої категорії належить об'єкт), регресія (прогнозування числового значення, наприклад, ціни будинку) або генерація (створення нового контенту на основі вивчених закономірностей). Цей процес навчання нейронної мережі на прикладах називається контрольованим навчанням і є найпоширенішим способом її навчання.
Навчання нейронної мережі полягає у використанні прикладів із вже відомими відповідями, які називаються розміченими прикладами. Це схоже на проходження тесту з уже наданими правильними відповідями, що дозволяє мережі навчатися на цих прикладах. Коли ми просимо мережу зробити передбачення, ми подаємо їй нові приклади без відповідей, тобто вхідні дані є нерозміченими. Мережа застосовує набуті знання, щоб самостійно передбачити відповіді.
Приклад нейронної мережі
Це демонстрація нейронної мережі, спеціально розробленої для розпізнавання малюнків котів і собак.
Вона вирішує задачу класифікації, обробляючи вхідні дані з початково невідомого класу та видаючи визначений клас.
Спробуйте використати її, щоб краще зрозуміти принцип роботи.
LMB (ліва кнопка миші) — для малювання.
Shift + LMB — для стирання.
Дякуємо за ваш відгук!
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
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 4Що таке нейронна мережа?
Свайпніть щоб показати меню
Вступ
Уявіть, що ви хочете навчитися перекладати текст з англійської на іспанську. Ви вивчаєте мови шляхом запам'ятовування слів і фраз, їх значень і контексту, в якому вони використовуються. На основі цього досвіду ви зможете перекладати нові тексти, які раніше не бачили.
Інший приклад — класифікація котів і собак. Так само, як людина навчається розрізняти їх на основі побачених у житті прикладів, нейронна мережа може навчитися розпізнавати їх за такими ж прикладами.
Нейронна мережа діє подібним чином. Вона навчається на прикладах — це можуть бути тексти, зображення, звуки, будь-які дані, які ми хочемо, щоб вона обробляла. Нейронна мережа, так само як людина вивчає мову, намагається знаходити закономірності у цих даних.
Далі вона використовує ці закономірності для виконання завдань, таких як класифікація (визначення, до якої категорії належить об'єкт), регресія (прогнозування числового значення, наприклад, ціни будинку) або генерація (створення нового контенту на основі вивчених закономірностей). Цей процес навчання нейронної мережі на прикладах називається контрольованим навчанням і є найпоширенішим способом її навчання.
Навчання нейронної мережі полягає у використанні прикладів із вже відомими відповідями, які називаються розміченими прикладами. Це схоже на проходження тесту з уже наданими правильними відповідями, що дозволяє мережі навчатися на цих прикладах. Коли ми просимо мережу зробити передбачення, ми подаємо їй нові приклади без відповідей, тобто вхідні дані є нерозміченими. Мережа застосовує набуті знання, щоб самостійно передбачити відповіді.
Приклад нейронної мережі
Це демонстрація нейронної мережі, спеціально розробленої для розпізнавання малюнків котів і собак.
Вона вирішує задачу класифікації, обробляючи вхідні дані з початково невідомого класу та видаючи визначений клас.
Спробуйте використати її, щоб краще зрозуміти принцип роботи.
LMB (ліва кнопка миші) — для малювання.
Shift + LMB — для стирання.
Дякуємо за ваш відгук!
