ИИ Лекция 2

1. Введение в анализ данных и машинное обучение

ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ
И МАШИННОЕ ОБУЧЕНИЕ
Лекция 4

2. Нейронные сети. Основы

НЕЙРОННЫЕ СЕТИ.
ОСНОВЫ
2

3. Artificial Neural Network

ARTIFICIAL NEURAL NETWORK
Искусственная нейронная сеть
Определение нейронной сети, более правильно называемой "искусственной" нейронной сетью
(ANN), дано изобретателем одного из первых нейрокомпьютеров, доктором Робертом ХехтНильсеном.
Он определяет нейронную сеть как:
"... вычислительная система, состоящая из ряда простых, тесно взаимосвязанных элементов
обработки, которые обрабатывают информацию, реагируя на динамическое состояние внешних
входов".
Или вы также можете представить искусственную нейронную сеть как вычислительную модель,
вдохновленную тем, как биологические нейронные сети в человеческом мозге обрабатывают
информацию.
3

4. Биологический аналог

БИОЛОГИЧЕСКИЙ АНАЛОГ
Основной вычислительной единицей мозга является
нейрон. В нервной системе человека можно найти
около 86 миллиардов нейронов, и они связаны
примерно с 10^14 — 10^15 синапсами.
Дендриты (dendrites) — это древовидные ветви, отвечающие за получение информации от других
нейронов, к которым они подключены. В другом смысле можно сказать, что они подобны ушам нейрона.
Сома (soma) — это тело клетки нейрона, отвечающее за обработку информации, полученной от
дендритов.
Аксон (axon) — это как кабель, по которому нейроны отправляют информацию.
Синапсы (synapses) — это связь между аксоном и другими дендритами нейронов.
4

5. Алгоритмическая модель

АЛГОРИТМИЧЕСКАЯ МОДЕЛЬ
5

6. Соответствие BNN и ANN

СООТВЕТСТВИЕ BNN ИANN
Biological Neural Network BNN
Artificial Neural Network ANN
Soma
Node (узел, нода)
Dendrites
Input (вход)
Synapse
Weights or Interconnections (веса)
Axon
Output (выход)
6

7. Первые шаги

ПЕРВЫЕ ШАГИ
7

8. Перцептон (Perceptrons)

ПЕРЦЕПТОН (PERCEPTRONS)
Розенблатт предложил автомат для бинарных классификаций.
Основная идея
◦ Один весовой коэффициент