Введение в нейронные сети

Узнайте, зачем нейронной сети нужен скрытый слой: как несколько нейронов вместе задают решающие границы, которые один нейрон провести не может.

Как нейронная сеть предсказывает числа: линейные и параболические модели, комбинирование сигмоид и тождественный нейрон.

Как набор прямоугольников, построенных парами нейронов, приближает любую непрерывную функцию — и почему это работает для сигмоидных нейронов тоже.

Соберите нейросетевой классификатор изображений фигур, прочитайте карты весов и обнаружьте, как легко его обмануть.

Обзорный урок: от биологических нейронов к искусственным — как один нейрон предсказывает по своим входам, что значат положительные и отрицательные связи, и как слои нейронов дают сети способность к сложным предсказаниям и обучению.

Почему распознавание образов, лёгкое для человека, — трудная задача для компьютера, и как свести поиск края объекта к арифметике над соседними пикселями.

Постройте два наивных алгоритма распознавания фигур по пикселям — и убедитесь, почему жёсткие правила ломаются на новых случаях, а обучающийся подход (нейросети) необходим.

Искусственный нейрон как пороговое устройство: N лазеров-входов, сенсор со смещением (bias) и светодиод, который загорается при достижении порога. Порог задаёт логику OR, AND — и показывает предел одного нейрона: XOR недостижим.

Разберитесь, как Решающий блок сравнивает суммарный вход со смещением и решает, активироваться или нет — основа искусственного нейрона.

Узнайте, как неравенство активации искусственного нейрона делит плоскость входов решающей границей, и используйте это, чтобы делать предсказания.

Докажите, что один пороговый нейрон не может реализовать XOR, и соберите его из сети бинарных нейронов.

Научитесь классифицировать данные по нескольким признакам и проводить решающую границу в пространстве признаков — а затем настройте бинарный нейрон-классификатор дефектных шариков по массе и диаметру.

Как сгладить ступенчатую функцию бинарного нейрона в сигмоиду и построить вероятностный классификатор.

Соберите правила обучения сигмоидного нейрона: подбирайте веса и смещение малыми шагами, чтобы выход совпал с целью — без графика решающей границы.