Термин Глубокое обучение относится к обучению нейронных сетей, иногда очень больших нейронных сетей. Так что же такое нейронная сеть? В этом блоге давайте попытаемся дать вам некоторые основные интуитивные представления.
Давайте начнем с примера прогнозирования цен на жилье. Допустим, у вас есть набор данных с шестью домами, поэтому вы знаете размер домов в квадратных футах или квадратных метрах, цену дома и хотите подобрать функцию для прогнозирования цены дома (как показано на изображении -1).
Итак, если вы знакомы с линейной регрессией, вы можете сказать: давайте проведем прямую линию к этим данным, и мы получим вот такую прямую. Но если подумать, то можно сказать, что мы прекрасно знаем, что цены никогда не могут быть отрицательными, так что вместо прямой линии, которая в конечном итоге станет отрицательной, давайте здесь согнем кривую. Так что здесь просто заканчивается ноль (стрелка вниз на изображении — 2).
Таким образом, эта толстая синяя линия становится вашей функцией для предсказания цены дома в зависимости от этого размера. Принимая во внимание, что здесь ноль, а затем прямая линия смещается вправо.
Таким образом, вы можете думать об этой функции, которую вы только что подобрали к ценам на жилье, как об очень простой нейронной сети. Это почти максимально простая нейронная сеть.
У нас есть входные данные для нейронной сети размером с дом, который мы называем «x». Он входит в этот узел, этот маленький круг, а затем выводит цену, которую мы называем «y».
Итак, этот маленький кружок называется «нейрон» в нейронной сети, которая, по сути, реализует эту функцию. которую мы нарисовали слева, и все, что делает нейрон, это берет на вход размер дома (в нашем примере с жильем), вычисляет эту линейную функцию, принимает максимальное значение, равное нулю, а затем выводит предполагаемая цена, которую мы хотим предсказать.
И, кстати, в литературе по нейронным сетям вы часто встречаете эту функцию. Эта функция иногда стремится к нулю, а затем принимает вид прямой линии. Эта функция называется функцией 'ReLU', что означает выпрямленные линейные единицы, поэтому RELU и исправление просто означают принимая максимум 0, поэтому вы получаете форму функции, подобную этой
Итак, это базовая нейронная сеть. Оказывается, когда вы строите свои собственные нейронные сети, вы, вероятно, обнаружите, что они наиболее полезны, наиболее эффективны в стимулах обучения с учителем, а это означает, что вы пытаясь взять ввод 'x' и сопоставить его с некоторым выводом 'y', как мы только что видели в примере с прогнозом цен на жилье.
