Машинное обучение

Я родился совсем-совсем дурным, —
Поэтому читал я с детства книги!..
Админ сайта W3Schools на русском

Машинное обучение (МО)

Традиционное программирование использует известные алгоритмы для получения результатов на основе данных:

Машинное обучение создаёт новые алгоритмы с данных и результатов:

Нейронные сети (НС)

Нейронные сети - это:

• Техника программирования
• Метод, который используется в машинном обучении
• Программное обеспечение, которое учится на ошибках

Нейронные сети основаны на том, как работает человеческий мозг:
нейроны посылают сообщения друг другу. Пока нейроны пытаются решить проблему (снова и снова), они укрепляют связи, приводящие к успеху, и уменьшают связи, приводящие к неудаче.

Перцептроны

Перцептрон определяет первый шаг к нейронным сетям.

Он представляет один нейрон только с одним входным слоем и без скрытых слоев.

Научиться программировать перцептрон.

Нейронные сети

Нейронные сети — это многослойные перцептроны.

В своей простейшей форме нейронная сеть состоит из:

• Входной слой (желтый)
• Скрытый слой (синий)
• Выходной слой (красный)

В модели нейронной сети входные данные (желтый) обрабатываются на скрытом уровне (синий) перед получением окончательного результата (красный).

Первый уровень:
Желтые перцептроны принимают простые решения на основе входных данных. Каждое отдельное решение посылается перцептронам на следующем уровне.

Второй уровень:
Синие перцептроны принимают решения, взвешивая результаты первого уровня. Этот уровень принимает более сложные решения на более отвлеченном уровне, чем первый уровень.

Глубокие нейронные сети

Глубокие нейронные сети - это:

• Техника программирования
• Метод, используемый в машинном обучении
• Программное обеспечение, которое учится на ошибках

Глубокие нейронные сети состоят из нескольких скрытых слоев нейронных сетей, выполняющих сложные операции с огромными объемами данных.

Каждый следующий слой использует предыдущий слой в качестве входных данных.

Например, оптическое считывание использует нижние слои для идентификации краев и высшие слои для идентификации букв.

В модели глубокой нейронной сети входные данные (желтые) обрабатываются на основе скрытого слоя (синий) и модифицируются на основе более скрытых слоев (зеленый), чтобы создать конечный результат (красный).

Первый уровень:
Желтые перцептроны принимают простые решения на основе входных данных. Каждое отдельное решение посылается перцептронам на следующем уровне.

Второй уровень:
Синие перцептроны принимают решения, взвешивая результаты первого уровня. Этот уровень принимает более сложные решения на более отвлеченном уровне, чем первый уровень.

Третий уровень:
Зеленые восприятия принимают даже более сложные решения.

Глубокое обучение (ГО)

Глубокое обучение является подмножеством машинного обучения.

Глубокое обучение отвечает за бум искусственного интеллекта в последние годы.

Глубокое обучение – это расширенный тип машинного обучения, который выполняет такие сложные задачи, как распознавание изображений.