[PYTHON] [Für Anfänger] Super Einführung in neuronale Netze, die selbst Katzen verstehen können
Was geschrieben steht
- Was ist ein neuronales Netzwerk?
- Einheit? Gewicht? vorspannen?
- Aktivierungsfunktion
- Übersicht über NN
- Zusammenfassung
Das Ziel ist es, ein flauschiges Verständnis des Gesamtbildes des neuronalen Netzwerks zu erlangen. Ich verwende keine mathematischen Formeln, also schauen Sie bitte mal rein, auch wenn Sie allergisch gegen Mathematik sind.
1. Was ist ein neuronales Netzwerk?
Ein neuronales Netzwerk ist so etwas wie das folgende. Da es sich in englischer Sprache um ein neuronales Netzwerk handelt, wird es häufig als NN abgekürzt. Also werde ich diesmal mit NN erklären
Die runden werden "Einheiten" genannt, und die Linien, die die Einheiten verbinden, werden "Synapsen" genannt. Es ist mühsam, es als Synapse zu bezeichnen. Lassen Sie mich dies erklären, indem Sie es diesmal als "Linie" bezeichnen.
NN hat eine Schichtstruktur. Im Allgemeinen werden die erste Schicht und die zweite Schicht von links gezählt. Die erste Schicht wird als "Eingabeschicht" bezeichnet, die letzte Schicht wird als "Ausgabeschicht" bezeichnet, und die Räume werden zusammen als "Zwischenschicht (verborgene Schicht)" bezeichnet. Unten ist ein 4-Schicht-NN-Diagramm.
2. Einheit? Gewicht? vorspannen?
Lass uns genauer hinschauen. Die Runde wird als "Einheit" bezeichnet. Das Gerät hat eine Nummer.
Einheiten werden manchmal als "Neuronen" bezeichnet. Es ist in Ordnung zu erkennen, dass alle Soyus "runde" sind.
Die Nummer einer Einheit wechselt über eine "Linie" (Synapsen) zur nächsten Einheit. Die Nummern werden zur nächsten Einheit hinzugefügt.
Der Wert ändert sich, wenn Sie die Linie durchlaufen. Wenn beispielsweise, wie unten gezeigt, die Zahl "3" der vorherigen Einheit die Linie durchläuft, wird "x2" berechnet und "6" zur nächsten Einheit hinzugefügt. Dieses "x2" wird "Gewicht" genannt. Es ist ein Bild, dass die Linie die Nummer × 2 hat.
Der Wert von "Gewicht" ist für jede Zeile unterschiedlich. Wenn beispielsweise, wie unten gezeigt, eine Einheit mit drei nächsten Einheiten verbunden ist, werden die Zahlen entlang der drei Linien vorgerückt.
Betrachten Sie den Fall, in dem die drei Linien "Gewichte" von x2, x-4 bzw. x3 haben. Die "3" der vorherigen Einheit wird mit jedem "Gewicht" multipliziert und zur nächsten Einheit addiert.
Die folgende Abbildung zeigt die Zeit, zu der drei vorherige Einheiten mit einer nächsten Einheit verbunden sind. Auch in diesem Fall werden die Ergebnisse von "13 * 2", "-2 * -4" und "-9 * 3" nacheinander addiert, und der Wert der nächsten Einheit wird zu "7".
Und wieder fühlt es sich so an, als würde "7" zur nächsten Einheit übergehen.
Der NN wird wie oben beschrieben berechnet. Wenn Sie eine Zahl in die "Eingabeebene" von NN eingeben, werden verschiedene Berechnungen über NN durchgeführt, und das Ergebnis wird in der "Ausgabeschicht" ausgegeben.
Geben Sie in der Eingabeebene die "Daten" ein, die künstliche Intelligenz lernen soll, aber geben Sie im NN auch "andere Zahlen als Daten" ein. Dies wird als "Bias" bezeichnet.
Bias ist ein Bild, das an jede Ebene angehängt ist, wie im Bild unten gezeigt. Um genau zu sein, hat jede Einheit eine andere Vorspannung.
Wenn die Nummer der vorherigen Einheit zur nächsten Einheit hinzugefügt wird, wird auch diese "Bias" -Nummer hinzugefügt. Die Vorspannungslinie hat kein Gewicht.
3. Aktivierungsfunktion (Kaseikakansu)
Es gibt noch eine Regel. Die Anzahl der Einheiten ändert sich kurz bevor Sie zur Linie gehen. Das Bild sieht aus wie das Bild unten.
Der Wert ändert sich gemäß der Regel "Aktivierungsfunktion". Es gibt viele Arten von Aktivierungsfunktionen, aber die bekannteste ist die Aktivierungsfunktion "ReLU-Funktion".
Die ReLU-Funktion lautet in der Regel: "Wenn der Einheitswert 0 oder weniger ist, ändern Sie ihn in 0, und wenn er 0 überschreitet, übergeben Sie ihn unverändert."
Der auf diese Weise geänderte Wert der Einheit rückt in die Zeile vor.
Organisiere es. Als Fluss, Der Wert der Einheit ändert sich gemäß den Regeln der Aktivierungsfunktion → er ändert sich erneut, wenn die Zahl die Synapse (Linie) durchläuft → die Zahl und die Vorspannung werden immer mehr zur nächsten Einheit addiert.
Das Ändern des Wertes in Abhängigkeit von der Aktivierungsfunktion wird übrigens als "Aktivieren" bezeichnet.
4. Übersicht über NN
Wenn Sie eine Zahl in die "Eingabeebene" von NN eingeben, werden verschiedene Berechnungen über NN durchgeführt und das Ergebnis wird in der "Ausgabeebene" angezeigt.
Im Detail, Der Wert der Einheit ändert sich gemäß den Regeln der Aktivierungsfunktion → er ändert sich erneut, wenn die Zahl die Synapse (Linie) durchläuft → die Zahl und die Vorspannung werden immer mehr zur nächsten Einheit addiert.
Außerdem werden die Synapsen "Gewicht (x wie oft)" und "Bias" anfänglich auf zufällige Werte gesetzt.
Das stetige Aktualisieren dieser Nummer wird als "Lernen" bezeichnet. Das Ziel von NN ist es, die Ausgabe durch Aktualisieren von "Gewicht" und "Vorspannung" gut aussehen zu lassen.
5. Zusammenfassung
Ich erklärte den Grundfluss von NN. Es sind die Grundlagen der Grundlagen. Sie müssen sich also nur eine ungefähre Vorstellung vom Bild machen.
- Zur Vereinfachung der Erklärung gibt es einige Unterschiede zur tatsächlichen Bewegung. bitte beachte, dass.
das ist alles! Hab ein schönes NN Leben!
Erfahren Sie mehr über künstliche Intelligenz / KI / maschinelles Lernen
** "KI für Katzenallergie" ** https://t.co/4ltE8gzBVv?amp=1 Wir senden über maschinelles Lernen auf YouTube. Wenn Sie Zeit haben, schauen Sie bitte.
created by NekoAllergy
Recommended Posts