Введение в Нейросети

Нейронная сеть представляет собой математическую модель биологической нейронной сети. Теория нейронных сетей – это обширный раздел методов искусственного интеллекта, вновь набирающий популярность в последние годы. Возможно даже не интересуясь нейронными сетями как таковыми, вы слышали сочетание слов deep learning или глубинное обучение. Ну и наверня-ка что-то да слышали о Google, поиске в сети и алгоритмах поиска. Но о глубинном обучении как таковом мы поговорим позже. Для начала с теми, кто ничего прежде не слышал о нейронных сетях или слышал, но не углублялся в материал, мы пройдем небольшое введение.

Как мы уже сказали, нейронная сеть – это модель нейронной сети в нашем головном мозге. Что нам известно о мозге? Прежде всего то, что наш головной мозг – это мы сами – чувства, мысли, действия, весь жизненный опыт – все это составляет наш мозг, состоящий из примерно 100 миллиардов нервных клеток – нейронов. Нейроны состоит из ядра(сомы), одного аксона – отростка, разветвляющегося в конце на множество мелких отростков – дендритов, через которые нейрон принимает электрические сигналы от других нейронов. Места связей нейронов между собой называют синапсами или синаптическими связями. Все нейроны могут находиться в возбужденном и невозбужденном состоянии. Так, если вы видите перед собой знакомый предмет – активизируется одна зона головного мозга, связанная с узнаванием, если вы говорите – другая зона(центр Брока). Естественно, в целом данные экспериментально подтверждены и учеными даже составлены так называемые карты головного мозга с описаниями того, какие зоны человеческого мозга какую функцию выполняют. Однако точность аппаратуры пока не позволяет анализировать деятельность головного мозга человека с точностью до отдельных нейронов. К слову заметим, что общее количество нейронов в мозге человека с детства остается неизменной.

нейрон

Логичным является связь теории искусственного интеллекта с когнитологией, нейрофизиологией и медициной. Иначе как моделировать то, о чем ничего неизвестно? Идея создания разумного существа приводит в первую очередь к попытке скопировать механизмы его функционирования. В случае с головным мозгом человека такое копирование усложнено тем фактом, что вопросов у нас больше чем ответов. Но в целом все не так плохо.

Впервые идея создания математического нейрона была предложена в опубликованной в 1943 году статье американских математиков-нейрофизиологов У.Мак-Каллока и В.Питтса. Их можно считать создателями столь популярной сейчас теории нейронных сетей.

Математический нейрон имеет следующий вид:

math_neuron

Поясним картину. Как видим математический нейрон недалеко ушел от своего биологического оригинала. На входы нейрона поступают сигналы X1,…,Xn.

Все входные сигналы нейрона суммируются. При этом каждый нейрон умножается на некоторый весовой коэффициент Wi, который как раз и отражает ту самую силу синаптической связи.

Как и биологический нейрон, его математический аналог может находится в возбужденном и невозбужденном состоянии. Состояние нейрона определяется значением активационной функции. Например:

active_func

То есть нейрон находится в возбужденном состоянии, если сумма произведений входных сигналов на соответствующие весовые коэффициенты больше или равна некоторому коэффициенту Т – порогу чувствительности нейрона.

 

Данная активационная функция принимает в качестве своих значений только 0 или 1 имеет вид.

active_func2

Из-за своего вида ее часто называют функцией-ступенькой. С помощью отдельных математических нейронов можно моделировать логические функции вроде AND, OR, NOT.

Но отдельные нейроны сами по себе все же не так интересны и способны не на многое. Поэтому спустя десяток лет американский ученый Ф.Розенблатт создал устройство, реализовав в нем сеть из таких нейронов. Нейронная сеть была названа персептроном и подтолкнула ученых на дальнейшие исследования – удачные и не очень. На одно время про нейросети забыли, но потом вновь вспомнили. Надолго ли? Об этом в следующей статье.

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *