Conocer brevemente qué es una red neuronal

El término aprendizaje profundo se refiere al entrenamiento de redes neuronales. 'Profundo' significa redes neuronales muy grandes. Entonces, ¿qué es una red neuronal?63; Después de leer este artículo, tendrás una comprensión muy intuitiva.

Comencemos con un ejemplo de predicción de precios de casas. Porque el precio de las casas es demasiado caro ahora...8Mis padres dijeron que me ayudarán a comprar una casa en Pekín al principio del año, pero pienso que no puedo depender de mi familia, así que lo rechacé. Ahora que lo pienso, soy un idiota. Si lo hubiera comprado entonces, ahora no tendría que escribir blogs~~

Se dice que el precio de las casas es inflado por los ciudadanos chinos, pero además de la especulación, hay algunos factores reales que afectan el precio de las casas. Al analizar estos factores, podemos predecir el precio de las casas. Supongamos que tienes un conjunto de datos (área y precio de seis casas). Quieres encontrar un método (es decir, construir una función) para predecir el precio basado en el área. Si estás familiarizado con el regresión lineal (no es necesario que lo sepas, simplemente concéptalo como una teoría matemática), puedes dibujar una línea cerca de los datos reales según esta teoría, como la línea roja en la imagen superior. Los círculos azules pequeños cerca de la línea representan los puntos correspondientes entre el área y el precio de las seis casas, es decir, encontrar el precio de una área específica según esta línea (esta función). Además de algunos errores, básicamente es preciso. Además, sabemos que el precio nunca será negativo, a menos que seas una organización criminal, tomes la casa de alguien y aún te paguen. Por lo tanto, cuando el área es cero, el precio también es cero, por lo que la línea debe doblarse. Puedes ver esta función de predicción del precio basada en el área como una red neuronal很简单 (este es prácticamente la red neuronal más simple). Como se muestra en la imagen de la derecha, el círculo amarillo es una neurona, el tamaño de la casa es x, que entra en esta neurona como entrada, y luego la neurona salida el precio de la casa y.

En los documentos relacionados con las redes neuronales, a menudo verás esta función (la línea roja de arriba). Esta función es 0 durante un período de tiempo y luego sube bruscamente. Se llama función de unidad lineal (ReLU, el nombre completo es rectified linear unit). Ahora no es necesario entenderlo, lo entenderás gradualmente más tarde!

en el ejemplo de predecir el precio de la casa con área, esta es una red neuronal de un solo neurona, muy pequeña, al acumular muchas de estas neuronas se puede formar una red neuronal más grande. Puedes considerar una neurona como un bloque de construcción, puedes obtener una red neuronal más grande acumulando muchos de estos bloques de construcción juntos. En el ejemplo del precio de la casa, como se muestra en la imagen superior, los factores que afectan el precio de la casa no solo son el área, también hay, por ejemplo, el número de dormitorios. Además del área, el número de dormitorios también determina si la casa es adecuada para tu familia, por ejemplo, si hay3persona o5persona. Otra factor es el código postal. El código postal aquí representa la ubicación geográfica, si la ubicación es animada, la vida será más conveniente. Luego hay otro factor, la calidad del nivel escolar, en China se dice que hay casas escolares. Estos factores, también los llamamos características. Según el área y el número de dormitorios, se puede calcular si cumple con el tamaño de la familia. Según el código postal, se puede estimar la conveniencia de la vida, incluyendo la conveniencia de ir a la escuela. Finalmente, el nivel de la escuela puede evaluar la calidad de la educación. Las personas consideran estos cuatro factores al comprar una casa, es decir, ellos determinan el precio, y luego, el maldito especulación, aquí nos olvidamos de este factor por el momento. Por lo tanto, en este ejemplo, x representa a esta4La entrada, y es el precio que queremos predecir. En la imagen de la izquierda, mostramos el proceso de análisis que hacemos nosotros mismos, analizamos qué entradas afectan la coincidencia del tamaño de la familia, la conveniencia de la vida, la calidad de la educación, y luego determinamos el precio en nuestra mente. Lo que es fascinante de la red neuronal es que solo necesitamos proporcionar la entrada x (área, número de dormitorios, etc.) y el resultado que queremos obtener y (precio), y los datos reales utilizados para entrenar (área de seis casas, número de dormitorios, etc. y precios), y la parte intermedia del tamaño de la familia, la conveniencia de la vida, la calidad de la educación se determinarán por la red neuronal herself basándose en los datos reales, como se muestra en la imagen de la derecha. Cuando vuelves a ingresar el7Después de caracterizar una casa (área, código postal, etc.), esta red neuronal proporcionará el precio final de la casa basándose en la parte intermedia entrenada previamente. Es decir, el proceso interno de la red neuronal reemplaza el proceso analítico humano. Vamos a dar otro ejemplo, por ejemplo, cuando enseñamos a los niños a reconocer gatos, traemos algunos gatos blancos y le decimos que es un gato, luego traemos algunos gatos negros y le decimos que también es un gato, luego traemos algunos perros y le decimos que no es un gato, finalmente traemos algunos gatos manchados y le preguntamos, nos dirá que es un gato, pero ¿cómo lo sabe? ¿Cuál es el proceso de juicio intermedio? No lo sabemos. Por eso decimos que las redes neuronales son aterradoras, porque su mecanismo de trabajo es muy similar al de los humanos, no sabemos cómo opera internamente, es decir, no sabemos cómo piensa, como no sabemos cómo los niños distinguen gatos y perros. Musk dice que la inteligencia artificial es peligrosa y puede destruir a la humanidad, y no es sin razón.

Los neuronas del medio mencionadas anteriormente se llaman neuronas ocultas. Puede que hayas notado, en la red neuronal de la derecha, cada neurona oculta recibe todas las entradas de características. En la izquierda, es el proceso de análisis de nuestro análisis, analizamos que el área y el número de dormitorios están relacionados con el tamaño de la familia, y en la derecha, proporcionamos todas las características a cada neurona oculta para que la red neuronal analice por sí misma qué características influirán en el precio de la casa. Puede que el análisis de la red neuronal sea más eficiente y completo que el humano, vi una noticia hace poco, la red neuronal de Facebook inventó un modo de comunicación porque pensó que la comunicación en lenguaje humano era demasiado ineficiente~~

Después de leer este artículo, aún deberías tener una idea borrosa sobre las redes neuronales... Esto es correcto, si un artículo te hace entender las redes neuronales, eres un genio.

Esto es todo lo que se menciona en este artículo sobre cómo entender brevemente lo que es una red neuronal, espero que sea útil para todos. Los amigos interesados pueden seguir consultando nuestro sitio:

Python y las redes neuronales artificiales: introducción a la identificación de imágenes manuscritas utilizando redes neuronales

7Compartiendo una implementación de 0 líneas de código de un algoritmo de red neuronal profunda en Java

¡Bienvenidos a dejar comentarios sobre lo que considera insuficiente. ¡Gracias a todos los amigos por su apoyo a este sitio!

Declaración: el contenido de este artículo se obtiene de la red, pertenece al propietario original, el contenido se contribuye y sube por los usuarios de Internet, este sitio no posee los derechos de propiedad, no se ha editado artificialmente y no asume ninguna responsabilidad legal relacionada. Si encuentra contenido sospechoso de infracción de derechos de autor, por favor envíe un correo electrónico a: notice#oldtoolbag.com (al enviar un correo electrónico, reemplace # con @ para denunciar y proporcione evidencia. Una vez verificada, este sitio eliminará inmediatamente el contenido sospechoso de infracción de derechos de autor.)