Mạng thần kinh là gì trong những từ đơn giản [đóng]

Bạn có thể vui lòng giải thích các mạng lưới thần kinh bằng các từ đơn giản với một ví dụ?

Một mạng lưới thần kinh là một lớp của hệ thống máy tính. Chúng được tạo ra từ các nút xử lý rất đơn giản được tạo thành một mạng. Chúng được truyền cảm hứng từ cách các hệ thống sinh học như não hoạt động, mặc dù nhiều trật tự cường độ ít phức tạp hơn vào lúc này.

Chúng là các hệ thống nhận dạng mẫu cơ bản và có xu hướng hữu ích hơn cho các nhiệm vụ có thể được mô tả theo thuật ngữ nhận dạng mẫu. Họ được 'đào tạo' bằng cách cho họ ăn các bộ dữ liệu với đầu ra đã biết.

Ví dụ, hãy tưởng tượng rằng bạn đang cố gắng đào tạo một mạng để tạo ra 1 khi nó được đưa ra một hình ảnh của một con mèo và 0 khi nó nhìn thấy một hình ảnh không phải là một con mèo. Bạn sẽ huấn luyện mạng bằng cách chạy rất nhiều hình ảnh của mèo thông qua nó và sử dụng thuật toán để điều chỉnh các tham số mạng cho đến khi nó đưa ra phản hồi chính xác. Các tham số thường là mức tăng trên mỗi đầu vào và trọng số trên mỗi nút cũng như cấu trúc thực tế của mạng (có bao nhiêu nút, trong bao nhiêu lớp, với những gì liên kết với nhau).

Nhận dạng hình ảnh con mèo thực sự là một vấn đề khá phức tạp và sẽ cần một mạng lưới thần kinh phức tạp (có thể bắt đầu với một nút trên mỗi pixel). Điểm khởi đầu thông thường để thử nghiệm các mạng thần kinh là thử và triển khai các cổng logic đơn giản, chẳng hạn như AND, OR, KHÔNG, v.v. như các mạng lưới thần kinh.

Mạng lưới thần kinh có thể là một cách rất nhanh để đạt được một kết quả phức tạp. Chúng rất thú vị cho nghiên cứu AI vì chúng là mô hình cho bộ não động vật.

Một trong những nhược điểm lớn của mạng lưới thần kinh là rất khó để thiết kế lại chúng. Nếu mạng của bạn quyết định một hình ảnh cụ thể của một con voi thực sự là một con mèo, bạn không thể thực sự xác định "tại sao" theo bất kỳ ý nghĩa hữu ích nào. Tất cả những gì bạn thực sự có thể làm là thử đào tạo / điều chỉnh mạng hơn nữa.

Mạng lưới thần kinh có xu hướng được sử dụng cho các nhiệm vụ có giới hạn tốt như nhận dạng tiền xu / ghi chú trong máy bán hàng tự động hoặc lỗi phát hiện trên dây chuyền sản xuất.

Nơi tốt nhất để bắt đầu nếu bạn quan tâm có lẽ là google 'perceptron', tên của một trong những yếu tố mạng thần kinh sớm nhất.

Tôi nghiên cứu trí thông minh nhân tạo trong một chương trình thạc sĩ và chúng tôi sử dụng mạng lưới thần kinh khá nhiều. Chúng thực sự khá hữu ích.

Tôi nghĩ rằng vấn đề cho mạng lưới thần kinh là tên của họ. Điều này vừa nhầm lẫn giữa thực tế của một mạng lưới thần kinh là gì, và khiến một số người đặt câu hỏi về công trạng của họ bởi vì họ mong đợi họ hành động như những bộ não, khi chúng thực sự là một loại chức năng lạ mắt.

Cách tốt nhất để hiểu một mạng lưới thần kinh là di chuyển qua tên. Đừng nghĩ nó như một mô hình của bộ não ... không phải ... đây là ý định trong những năm 1960 mà là năm 2011 và chúng được sử dụng mọi lúc để học máy và phân loại.

Một mạng lưới thần kinh thực sự chỉ là một chức năng toán học. Bạn nhập một vectơ các giá trị, các giá trị đó được nhân với các giá trị khác và một giá trị hoặc vectơ của các giá trị là đầu ra. Đó là tất cả .

Chúng rất hữu ích trong các miền có vấn đề khi không có chức năng đã biết để xấp xỉ các tính năng đã cho (hoặc đầu vào) cho đầu ra của chúng (phân loại hoặc hồi quy). Một ví dụ sẽ là thời tiết - có rất nhiều đặc điểm của thời tiết - loại, nhiệt độ, chuyển động, mây che, các sự kiện trong quá khứ, v.v. - nhưng không ai có thể nói chính xác cách tính thời tiết 2 ngày kể từ bây giờ. Mạng thần kinh là một chức năng được cấu trúc theo cách giúp dễ dàng thay đổi các tham số của nó thành dự đoán thời tiết gần đúng dựa trên các tính năng.

Đó là điều ... đó là một chức năng và có cấu trúc đẹp phù hợp với "học tập". Người ta sẽ mất năm năm dữ liệu thời tiết - hoàn chỉnh với các tính năng của thời tiết và tình trạng thời tiết 2 ngày trong tương lai, cho mỗi ngày trong năm năm qua. Các trọng số mạng (hệ số nhân nằm trong các cạnh) được tạo ngẫu nhiên và dữ liệu được chạy qua. Đối với mỗi dự đoán, NN sẽ đưa ra các giá trị không chính xác. Sử dụng một thuật toán học tập dựa trên tính toán, chẳng hạn như dự phòng, người ta có thể sử dụng các giá trị lỗi đầu ra để cập nhật tất cả các trọng số trong mạng. Sau khi chạy đủ dữ liệu, các mức lỗi sẽ đạt đến điểm thấp nhất (có nhiều hơn thế, nhưng tôi sẽ không truy cập vào đây - quan trọng nhất là phù hợp hơn). Mục tiêu là dừng thuật toán học khi mức độ lỗi ở điểm tốt nhất. Mạng sau đó được sửa chữa và tại thời điểm này, nó làchỉ là một hàm toán học ánh xạ các giá trị đầu vào thành các giá trị đầu ra giống như bất kỳ phương trình cũ nào. Bạn cung cấp dữ liệu mới và tin tưởng rằng các giá trị đầu ra là một xấp xỉ tốt.

Đối với những người tuyên bố họ thất bại: họ không. Chúng cực kỳ hữu ích trong nhiều lĩnh vực. Bạn nghĩ các nhà nghiên cứu tìm ra mối tương quan giữa gen và bệnh như thế nào? NN, cũng như các thuật toán học tập khác, được sử dụng trong tin sinh học và các lĩnh vực khác. Họ đã được chứng minh là tạo ra kết quả cực kỳ tốt. NASA hiện sử dụng chúng cho các thói quen của trạm không gian, như dự đoán thời lượng pin. Một số người sẽ nói rằng các máy vectơ hỗ trợ, v.v ... tốt hơn ... nhưng không có bằng chứng nào về điều đó, các thuật toán khác chỉ mới hơn.

Thật sự quá tệ khi mọi người vẫn đưa ra tuyên bố rằng mạng lưới thần kinh bị thất bại vì chúng đơn giản hơn nhiều so với não người --- mạng lưới thần kinh không còn được sử dụng để mô hình bộ não --- cách đây 50 năm.

Đây là một sơ đồ toán học để xây dựng một phương trình (lấy nhiều đầu vào số và cung cấp một đầu ra số duy nhất) với các hệ số có thể điều chỉnh. Có các thuật toán có thể điều chỉnh các hệ số để làm cho phương trình gần đúng với các đầu ra dự kiến, được đưa ra một tập huấn bao gồm các đầu vào và đầu ra dự kiến.

Ví dụ đơn giản nhất, cùng với đồ họa, có sẵn trên Wikipedia . Ví dụ này được gọi là XOR.

Nói một cách đơn giản, như bạn đã hỏi, Mạng lưới thần kinh là một ý tưởng thất bại trong việc bắt chước các mạng lưới thần kinh sinh học. Nó không bao giờ cho bất kỳ kết quả thú vị nào và có lẽ sẽ không bao giờ làm được, bởi vì:

(1) quá đơn giản so với những gì bạn có thể làm với bất kỳ ngôn ngữ lập trình hoàn chỉnh Turing nào

(2) nó quá đơn giản so với mạng lưới thần kinh sinh học: chúng hóa ra phức tạp hơn so với suy nghĩ của thời điểm lý thuyết NN được tạo ra.

Bất kỳ tuyên bố rằng mạng lưới thần kinh là thành công trong bất kỳ nhiệm vụ được sử dụng trong các ứng dụng thế giới thực là một cường điệu.

Thôi nào downvote tôi.