Нейронные сети и их разновидности

1.

НЕЙРОННЫЕ СЕТИ И ИХ
РАЗНОВИДНОСТИ

2.

Цель
Цель работы – составить чёткий список всех видов нейронных
сетей. Дать краткую характеристику и рассмотреть принципы
работы каждого вида сети из составленного списка.

3.

Что такое нейронная сеть?
Выходные
сигналы
X1
X2
X3
Веса
Активационная
функция
w1j
w2j
∑
Результаты
вычислений
ᵩ
w3j
По своей сути нейронная сеть
представляет собой сеть связанных
нейронов, где каждый нейрон
получает и передаёт информацию.
Ꝋj
Порог
ᵒj
Активация

4.

Пример работы:
Сигналы:
YES = 1
NO = 0
(наличие хорошего
настроения)
Стоит ли идти гулять?
YES
NO
W1 = 0,5
(наличие дождя
на улице)
YES
YES
NO
NO
W2 = -0,5
NO
(присутствие друзей)
YES
NO
W3 = 0,5
Ответ получится таким:
X = (0,5 * 1) + ((-0,5) * 0) + (0,5 * 0) = 0.5
Нейрон выдаст 1 и мы пойдем гулять

5.

Сложность работы
Вся сложность работы с нейронной сетью в основном состоит в
грамотном подборе коэффициентов к нейронам.
Обучение — процесс нахождения весов для нейросети. От того, как
именно обучат нейросеть, будут зависеть ее решения.

6.

Классификация нейронных сетей
Классификация нейронных сетей
Характер
обучения
С учителем
Настройка
весов
Без учителя
Фиксированная
Динамическая
Аналоговая
Тип входной
информации
Применяемая
модель
нейронной сети
Двоичная
Прямого
распространения
Рекуррентные
Самоорганизующиеся
Радиальнобазисные
функции

7.

Примеры типов нейронных сетей
Прямого распространения
Нейронная сеть Хопфилда
Сети радиально-базисных функций
Автокодировщик
Сеть типа “deep belief”
Свёрточные нейронные сети

8.

Применение нейронных сетей в
современных реалиях
Распознавание лиц
Распознавание животных и их пород

9.

Вывод
Развитие нейронных сетей имеет неоценимый потенциал.
Автоматизация работы человека таким способом приведет к
повышению точности выполняемых задач. Нейросети вошли в
практику везде, где есть необходимость решить задачи
прогнозирования, классификации или управления. За
использованием нейронных сетей стоит будущее. С каждым днём
это будущее наступает.