Мышление человека. 2

56) Глубокие нейронные сети. Название “глубокие нейронные сети” пошло от использования множества скрытых слоёв, которые и делают нейросеть способной обучаться более сложным алгоритмам обработки. Истории успешного применения глубокого обучения только-только начали появляться в последние годы, т.к. процесс обучения нейронной сети сложный по части вычислений и требует больших объёмов данных. Глубокие искусственные нейронные сети — это сети с более чем тремя скрытыми слоями. Нейронная сеть глубокого обучения являет собой своего рода черный ящик: трудно сказать точно, какой логикой руководствуется хорошо обученная нейронная сеть. Самая сложная часть в глубоких нейронных сетях — это обучение сети. Для этого через такие сети прогоняют огромные массивы данных. В конечном итоге сеть обучается решать узкопрофильные задачи разного рода. Существует огромное число разновидностей глубоких сетей, различающихся архитектурой: числом слоев, числом нейронов в каждом слое, а также структурой связей. Фактически глубокие нейронные сети автоматизировали труд исследователей, которые раньше занимались конструированием признаков. В общем случае глубокие нейронные сети осуществляют иерархическое преобразование входного пространства образов и представляют собой нейронные сети с множеством слоев нейронных элементов. Существуют следующие глубокие нейронные сети (DNN), обычные варианты которых были ранее рассмотрены: - глубокий персептрон/- глубокая сверточная нейронная сеть/ - глубокая рекуррентная нейронная сеть.
57) Построение нейронной сети. При построении модели ИНС необходимо точно определить задачи, которые будут решаться с её помощью. Нет необходимости придумывать нейронную сеть с «нуля», так как существует несколько десятков различных нейросетевых архитектур, эффективность многих из которых доказана математически. Первым этапом построения нейросетевой модели является тщательный отбор входных данных, влияющих на ожидаемый результат На втором этапе осуществляется преобразование исходных данных с учётом характера и типа решаемой проблемы, выбираются способы представления информации.