Искусственные нейронные сети — это алгоритмы для выполнения определенных задач, таких как кластеризация, классификация, распознавание образов и т. д.
Искусственные нейронные сети вдохновлены нейронами головного мозга. Искусственные нейроны настроены на выполнение определенных задач.
Искусственные нейронные сети напоминают человеческий мозг в том, как знания приобретаются в процессе обучения, и в том, как знания сохраняются в рамках сил межнейронных связей (которые известны как синаптические веса).
Искусственные нейронные сети можно рассматривать как взвешенные ориентированные графы, в которых искусственные нейроны являются узлами, а направленные ребра с весами являются связями между выходами нейронов и входами нейронов.
Искусственная нейронная сеть получает информацию из внешнего мира в виде паттерна и изображения в векторной форме. Каждое входное значениеумножается на соответствующий вес (это линейное уравнение). Веса – это информация, используемая нейронной сетью для решения задачи (или для взвешивания отношения между входной переменной и выходной переменной). Обычно вес представляет силу взаимосвязи между нейронами внутри искусственной нейронной сети.
Все взвешенные входные данные суммируются внутри искусственного нейрона. В случае, если взвешенная сумма равна нулю, добавляется переменная смещения, чтобы сделать вывод ненулевым (смещение имеет вес, а вход всегда равен «1»). Используется пороговое значение, чтобы ограничить сумму от 0 до порогового значения. Кроме того, для получения желаемого результата используется функция активации. Существуют линейные, а также нелинейные функции активации.
В искусственной нейронной сети есть разные типы слоев:
- Входной слой. Он содержит искусственные нейроны (которые получают входные данные из внешнего мира, на которых сеть будет обучаться).
- Выходной слой — содержит единицы, представляющие выходную информацию.
- Скрытый слой — эти единицы находятся между входным и выходным слоями. Эти слои преобразуют ввод во что-то, что модуль вывода может каким-то образом использовать.
Существуют различные типы искусственных нейронных сетей:
- Персептрон — это искусственная нейронная сеть, состоящая только из одного искусственного нейрона, нескольких входных блоков и одного выходного блока.
- Сеть радиальных базисных функций. Эти сети аналогичны прямой нейронной сети, но в этой искусственной нейронной сети используется радиальная базисная функция в качестве функции активации этих нейронов.
- Многослойный персептрон. В этих сетях используется более одного скрытого слоя нейронов, в отличие от однослойного персептрона.
- Рекуррентная нейронная сеть. В этом типе искусственной нейронной сети нейроны скрытого слоя имеют самостоятельные связи.
- Сеть долговременной/кратковременной памяти (LSTM). Этот тип искусственной нейронной сети, в которой ячейка памяти встроена в нейроны скрытого слоя, называется сетью LSTM.
- Сеть Хопфилда. Этот тип полностью взаимосвязанных искусственных нейронных сетей, в которых каждый нейрон связан с каждым другим нейроном.
- Машинная сеть Больцмана. Эти сети похожи на сеть Хопфилда, но (в этой искусственной нейронной сети) одни нейроны являются входными, а другие скрыты в природе.
- Сверточная нейронная сеть. Эта искусственная нейронная сеть используется для распознавания изображений.
- Модульная нейронная сеть. В этой искусственной нейронной сети это комбинированная структура различных типов нейронных сетей, таких как многослойный персептрон, сеть Хопфилда, рекуррентная нейронная сеть и так далее.
- Физическая нейронная сеть. В этом типе искусственной нейронной сети электрически регулируемый резистивный материал используется для имитации функции синапса вместо программного моделирования, выполняемого в нейронной сети.