"Зоопарк" нейронных сетей
Из предыдущих уроков вы уже знаете, что такое искусственный нейрон, какие бывают и как работают функции активации. Теперь поговорим о нейронных сетях.
Искусственная нейронная сеть - вычислительная структура, которая моделирует простые биологические процессы, обычно ассоциируемые с процессами человеческого мозга.
Адаптируемые и обучаемые, нейронные сети представляют собой распараллеленные системы, способные к обучению путем анализа положительных и отрицательных воздействий.
Элементарный преобразователь в данных сетях - искусственный нейрон или просто нейрон, названный так по аналогии с биологическим прототипом.
Существует множество архитектур нейронных сетей (НС), названных в честь ученых, разработавших их математические модели. Чтобы не запутаться в многообразии структур, мы предлагаем следующий подход.
Разделим нейронные сети на четыре группы:
НС можно обучать:
По способам связи НС можно разделить на:
Используя модель нейронной сети, их также можно разделять на типы, например:
НС еще можно классифицировать по типам решаемых ими задач. Мы предлагаем рассмотреть взаимосвязь архитектуры (модели) нейронной сети с типом задачи, которую НС может решить
Подведем итоги. Искусственные нейронные сети состоят из нейронов, которые объединяются в вычислительную структуру. В зависимости от способа объединения, а также способа распространения сигнала нейронные сети могут успешно решать сложные задачи, такие как прогнозирование, распознавание образов и др.
Существуют несколько способов классификации НС, и каждый из них по-своему верный.
В данном курсе мы более детально рассмотрим многослойные нейронные сети прямого распространения и нейронные сети Кохонена.
