Ын Анналин, Су Кеннет

164
Глава 11
. 
Нейронные сети
чальных слоях (где обрабатываются низкоуровневые 
признаки) соединенными лишь частично. И только 
в финальных слоях (где обрабатываются высоко-
уровневые признаки) нужно полностью соединить 
нейроны в смежных слоях.
Невозможность интерпретации. Нейронные сети состо-
ят из множества слоев и сотен нейронов, управляемых 
различными правилами активации. Это делает затрудни-
тельным отслеживание комбинации входных сигналов, 
дающих верный прогноз. Это отличается от методов типа 
регрессии (глава 6), значимые предикторы которых легко 
определить и сравнить. Из-за того что нейронная сеть 
является черным ящиком, становится нелегко обосновать 
ее применение, особенно в этически значимых решениях. 
Тем не менее продолжаются исследования по анализу 
процесса обучения в каждом слое, чтобы выяснить, как 
отдельные входные сигналы влияют на итоговый прогноз.
Несмотря на эти ограничения, эффективность нейрон-
ных сетей продолжает побуждать применять их в таких 
передовых технологиях, как виртуальные помощники 
и автономное пилотирование. Помимо имитации людей 
нейронные сети уже превзошли человеческие способ-
ности в некоторых областях. Так случилось и в показа-
тельном матче 2015 года по игре в го, когда человек про-
играл нейронной сети Google. Так как мы продолжаем 
усовершенствовать алгоритмы и раздвигаем границы 
вычислительных возможностей, нейронные сети, со-
единяя и автоматизируя наши повседневные задачи, 
станут играть ключевую роль в эпоху интернета вещей.

---

11.6. Краткие итоги
165
11.6. Краткие итоги 

Нейронные сети состоят из слоев нейронов. В про-
цессе обучения нейроны первого слоя активируются 
входными данными, и эта активация передается в сле-
дующие слои, в конечном счете попадая в последний 
слой, где формируется прогноз.

Будет ли активирован нейрон, зависит от силы и ис-
точника полученной активации в соответствии с его 
правилом активации. Правила активации затачивают-
ся в результате обратной связи по точности прогноза. 
Этот процесс называется методом обратного распро-
странения ошибки.

Нейронные сети работают лучше всего, когда доступ-
ны большие наборы данных и производительное обо-
рудование. Однако результаты в значительной степени 
будут неинтерпретируемыми.

---

---