Машинне навчання

Я народився геть дурним, -
Тому читав з дитинства книги!..
Адмін сайту W3Schools українською

Машинне навчання (МН)

Традиційне програмування використовує відомі алгоритми для отримання результатів на основі даних:

Машинне навчання створює нові алгоритми з даних і результатів:

Нейронні мережі (НМ)

Нейронні мережі - це:

• Техніка програмування
• Метод, який використовується в машинному навчанні
• Програмне забезпечення, яке вчиться на помилках

Нейронні мережі засновані на тому, як працює людський мозок:
нейрони надсилають повідомлення один одному. Поки нейрони намагаються вирішити проблему (знову і знову), вони зміцнюють зв’язки, які призводять до успіху, і зменшують зв’язки, які призводять до невдачі.

Перцептрони

Персептрон визначає перший крок до нейронних мереж.

Він представляє один нейрон лише з одним вхідним шаром і без прихованих шарів.

Навчіться програмувати перцептрон.

Нейронні мережі

Нейронні мережі — це багатошарові перцептрони.

У своїй найпростішій формі нейронна мережа складається з:

• Вхідний шар (жовтий)
• Прихований шар (синій)
• Вихідний шар (червоний)

У моделі нейронної мережі вхідні дані (жовтий) обробляються на прихованому рівні (синій) перед отриманням остаточного результату (червоний).

Перший рівень:
Жовті перцептрони приймають прості рішення на основі вхідних даних. Кожне окреме рішення надсилається перцептронам на наступному рівні.

Другий рівень:
Сині перцептрони приймають рішення, зважуючи результати першого рівня. Цей рівень приймає складніші рішення на більш абстрактному рівні, ніж перший рівень.

Глибинні нейронні мережі

Глибокі нейронні мережі - це:

• Техніка програмування
• Метод, який використовується в машинному навчанні
• Програмне забезпечення, яке вчиться на помилках

Глибокі нейронні мережі складаються з кількох прихованих шарів нейронних мереж, які виконують складні операції з величезними обсягами даних.

Кожен наступний шар використовує попередній шар як вхідні дані.

Наприклад, оптичне зчитування використовує нижні шари для ідентифікації країв і вищі шари для ідентифікації літер.

У моделі глибокої нейронної мережі вхідні дані (жовті) обробляються на основі прихованого шару (синій) і модифікуються на основі більш прихованих шарів (зелений), щоб створити кінцевий результат (червоний).

Перший рівень:
Жовті перцептрони приймають прості рішення на основі вхідних даних. Кожне окреме рішення надсилається перцептронам на наступному рівні.

Другий рівень:
Сині перцептрони приймають рішення, зважуючи результати першого рівня. Цей рівень приймає складніші рішення на більш абстрактному рівні, ніж перший рівень.

Третій рівень:
Зелені сприйняття приймають навіть складніші рішення.

Глибоке навчання (ГН)

Глибоке навчання є підмножиною машинного навчання.

Глибинне навчання відповідає за бум штучного інтелекту в останні роки.

Глибоке навчання – це розширений тип машинного навчання, який виконує такі складні завдання, як розпізнавання зображень.