Guten Tag. Mein Name ist Andrey, ich bin ein Frontend-Entwickler und ich möchte mit Ihnen über ein Thema wie neuronale Netze sprechen. Tatsache ist, dass ML-Technologien tiefer in unser Leben eindringen und viel über neuronale Netze gesagt und geschrieben wurde. Als ich dieses Problem verstehen wollte, stellte ich fest, dass es im Internet viele Anleitungen zum Erstellen eines neuronalen Netzes gibt und sie sehen folgendermaßen aus:
Nimm Tensorflow
Wir schaffen ein neuronales Netzwerk
Weitere Informationen sind über das Internet verteilt. Deshalb habe ich versucht, es zusammenzustellen und in diesem Artikel zu präsentieren. Ich werde sofort reservieren, dass ich kein Spezialist für ML oder Biologie bin, daher kann es sein, dass ich an einigen Stellen ungenau bin. In diesem Fall freue ich mich über Ihre Kommentare.
Während ich diesen Artikel schrieb, stellte ich fest, dass ich ein ziemlich umfangreiches Longread bekam, und beschloss, es in mehrere Teile aufzuteilen. Im ersten Teil werden wir über Theorie sprechen, im zweiten Teil werden wir unser eigenes neuronales Netzwerk von Grund auf neu schreiben, ohne Bibliotheken zu verwenden, im dritten Teil werden wir versuchen, es in der Praxis anzuwenden.
Da dies mein erster Beitrag ist, werden sie im Verlauf der Moderation angezeigt. Danach füge ich Links zu allen Teilen hinzu. Also lasst uns anfangen.
Do-it-yourself-neuronales Netzwerk von Grund auf neu. Teil 2. Implementierung
Do-it-yourself-neuronales Netzwerk von Grund auf neu. Teil 3. Traurig oder glücklich?
. - . .
, . . , , , , , , , .
, , , . , .
. , , , , . - - - .
: , - .
, . . .
, , , , , , .
- . , , , .
IT
, , ?
, , , , . , .
, , - , .
, , . , , .
, .
, , . . , .
, , , . . , . , . .
- , .
, , . , , , , . , , . , . .
.
, , . . , 0 1 0,5 0. . :
0 1. , , > 0.5, , - .
, . , , ( ), , , . , -0,5 0,5.
1 * 0,43 + 0 * 0,18 + 1 * -0,21 = 0,22
, , .
sigmoid(0,22) = 1 / (1 + e^-0,22) = 0,55
0,60.
, , 0,60, .
, . , , . , .
. , .
error = 0.60 - 0 = 0.60
, . , .
delta = 0.60 * (1 - 0.60) = 0.24
weight = weight - output * delta * learning rate
weight - , output - , delta - , learning rate - , , . - , . learning rate 0,3. :
w = 0,22 - 0,55 * 0,24 * 0,3 = 0,18
:
w = 0.47 - 0.60 * 0.24 * 0.3 = 0.43
, , , . , . . :
error = 0.18 * 0.24 = 0.04
, , , , . .
, , . , .