Comprendre simplement ce qu'est un réseau de neurones

Le terme d'apprentissage profond fait référence à l'entraînement des réseaux neuronaux. Le terme 'profond' signifie que le réseau neuronal est très grand. Alors, qu'est-ce que le réseau neuronal ?63;Après avoir lu cet article, vous aurez une idée très directe.

Nous allons commencer par un exemple de prédiction des prix des logements. Parce que maintenant, les prix des logements sont tellement élevés, tôt...8L'année dernière, mes parents m'ont proposé d'acheter une maison à Beijing pour moi, je pensais que je ne devais pas dépendre de ma famille, donc je l'ai refusé. Maintenant que je repense à cela, je suis un idiot. Si j'avais acheté à l'époque, je n'aurais pas besoin d'écrire de blog maintenant~~

On dit que le prix des logements est déterminé par les Chinois eux-mêmes, mais en plus de la spéculation, il y a aussi des facteurs réels qui influencent le prix des logements. En analysant ces facteurs, nous pouvons prédire le prix des logements. Supposons que vous ayez un ensemble de données (les superficies et les prix de six maisons). Vous voulez trouver une méthode (c'est-à-dire construire une fonction) pour prédire le prix en fonction de la superficie. Si vous êtes familier avec la régression linéaire (si vous ne l'êtes pas, vous pouvez la considérer comme une théorie mathématique), alors vous pouvez tracer une ligne proche des données réelles en utilisant cette théorie, comme la ligne rouge dans l'image ci-dessus. Les petits cercles bleus proches représentent les points correspondant aux superficies et aux prix des maisons, c'est-à-dire trouver un prix pour une superficie donnée en fonction de cette ligne (cette fonction). Sauf quelques erreurs, c'est généralement précis. De plus, nous savons que le prix ne peut jamais être négatif, sauf si vous êtes dans la mafia, vous occupez une maison des autres et encore vous leur payez de l'argent. Donc, lorsque la superficie est nulle, le prix est également nul, et donc la ligne doit se courber. Vous pouvez considérer cette fonction de prédiction du prix en fonction de la superficie comme un réseau neuronal très simple (c'est presque le réseau neuronal le plus simple). Comme dans l'image à droite, le cercle jaune représente un neurone, la taille de la maison est x, qui entre dans ce neurone en tant qu'entrée, puis le neurone sort le prix du logement y.

Dans les documents relatifs aux réseaux neuronaux, vous verrez souvent cette fonction (la ligne rouge au-dessus). Cette fonction est égale à 0 pendant un certain temps, puis elle prend soudainement une envolée. Elle est appelée fonction de neurone linéaire (ReLU, en anglais rectified linear unit). Ne vous inquiétez pas si vous ne comprenez pas maintenant, vous le comprendrez progressivement plus tard !

dans l'exemple de prédiction du prix de la maison en fonction de la surface, c'est un réseau de neurones très petit formé par un seul neurone. En empilant plusieurs de ces neurones, on peut former un réseau de neurones plus grand. Vous pouvez penser à un neurone comme à un bloc de construction, en empilant de nombreux tels blocs de construction, vous pouvez obtenir un réseau de neurones plus grand. Dans l'exemple du prix de la maison, comme le montre la figure, les facteurs qui influencent le prix de la maison ne sont pas seulement la surface, mais aussi, par exemple, le nombre de chambres. En plus de la surface, le nombre de chambres détermine également si la maison convient à votre famille, par exemple, une famille avec des3personnes ou5personnes. Un autre facteur est le code postal. Le code postal représente ici la localisation géographique, une localisation animée rend la vie plus confortable. Ensuite, il y a un autre facteur, c'est le niveau de qualité des écoles, en Chine, on parle souvent de maisons d'école. Ces facteurs, nous les appelons également des caractéristiques. Selon la surface et le nombre de chambres, on peut déterminer si la maison répond aux besoins de la taille de la famille. Selon le code postal, on peut évaluer la commodité de la vie, y compris la commodité d'aller à l'école. Enfin, le niveau de l'école peut évaluer la qualité de l'éducation. Les gens pensent à ces quatre facteurs lors de l'achat d'une maison, c'est-à-dire qu'ils déterminent le prix de la maison, et puis il y a cette他妈的speculation, nous ignorons ce facteur pour le moment. Donc dans cet exemple, x représente cette4L'entrée x est le prix à prédire. La figure de gauche est notre processus d'analyse humaine, nous analysons quels inputs influencent la correspondance de la taille de la famille, la commodité de la vie, la qualité de l'éducation, etc., et en déduisons le prix dans notre esprit. Ce qui est merveilleux dans le réseau de neurones est que nous devons fournir l'entrée x (surface, nombre de chambres...), le résultat souhaité y (prix de la maison) et les données réelles utilisées pour l'entraînement (surface, nombre de chambres... et prix des six maisons ci-dessus), puis la partie intermédiaire de la correspondance de la taille de la famille, la commodité de la vie, la qualité de l'éducation seront déterminées par le réseau de neurones lui-même selon les données réelles, comme le montre la figure de droite. Lorsque vous entrez à nouveau le7Les caractéristiques d'une maison (surface, code postal...) après quoi ce réseau de neurones donnera le prix final de la maison en fonction de la partie intermédiaire formée pendant l'entraînement. En d'autres termes, le processus interne du réseau de neurones remplace le processus d'analyse humain. Pour prendre un autre exemple, par exemple lorsque nous enseignons aux enfants à reconnaître les chats, nous leur montrons des chats blancs et leur disons que c'est un chat, puis nous leur montrons des chats noirs et leur disons que c'est aussi un chat, puis nous leur montrons des chiens et leur disons que ce n'est pas un chat, puis nous leur montrons des chats tachetés et leur posons la question, ils nous diront que c'est un chat, mais comment savent-ils ? Quel est ce processus de jugement intermédiaire ? Nous ne le savons pas. C'est pourquoi on dit que les réseaux de neurones sont terrifiants - leur mécanisme de travail est trop semblable à celui de l'homme - nous ne savons pas exactement comment ils fonctionnent à l'intérieur, c'est-à-dire nous ne savons pas comment ils pensent, comme nous ne savons pas exactement comment les enfants distinguent les chats et les chiens. Musk a dit que l'intelligence artificielle est dangereuse et pourrait détruire l'humanité, ce n'est pas sans raison.

Les neurones du milieu mentionnés précédemment sont appelés neurones cachés. Vous avez peut-être remarqué que dans le réseau de neurones de la figure de droite, chaque neurone caché obtient tous les entrées de caractéristiques. Dans la figure de gauche, c'est notre processus d'analyse humaine, nous analysons que la surface et le nombre de chambres sont liés à la taille de la famille, et dans la figure de droite, nous fournissons toutes les caractéristiques à chaque neurone caché, afin que le réseau de neurones puisse analyser par lui-même quels caractéristiques affecteront le prix de l'immobilier. Peut-être que l'analyse du réseau de neurones est plus efficace et plus complète que celle de l'homme. J'ai vu un article disant que le réseau de neurones de Facebook a inventé un mode de communication, parce qu'il pense que la communication en langage humain est trop inefficace~~

Après avoir lu cet article, vous devriez encore être flou sur les réseaux de neurones... C'est normal, si un article vous permet de comprendre les réseaux de neurones, vous êtes un génie.

Voici tous les contenus de cet article sur une compréhension simple de ce qu'est un réseau de neurones, j'espère que cela vous aidera. Les amis intéressés peuvent continuer à consulter notre site :

Python et réseaux de neurones artificiels : introduction à l'utilisation de réseaux de neurones pour reconnaître des images manuscrites

7Partage de l'algorithme de réseau de neurones profond avec 0 lignes de code en Java

Bienvenue pour laisser des commentaires sur les points insuffisants. Merci d'appuyer sur notre site !

Déclaration : le contenu de cet article est extrait du réseau, propriété de l'auteur original, le contenu est apporté par les utilisateurs d'Internet de manière volontaire et téléversé, le site Web ne détient pas de propriété, n'a pas été édité par l'homme, et n'assume pas de responsabilité juridique. Si vous trouvez du contenu suspect de violation de droit d'auteur, veuillez envoyer un e-mail à : notice#w.3Pour signaler une violation, veuillez envoyer un e-mail à notice#w en remplaçant # par @, et fournissez des preuves pertinentes. Une fois vérifié, le site supprimera immédiatement le contenu suspect de violation de droit d'auteur.