Что такое findslide.org?

FindSlide.org - это сайт презентаций, докладов, шаблонов в формате PowerPoint.


Для правообладателей

Обратная связь

Email: Нажмите что бы посмотреть 

Яндекс.Метрика

Презентация на тему Введение в нейросети

Содержание

Исторический очеркТермин «нейронная сеть» появился в середине XX века. Первые работы, в которых были получены основные результаты в данном направлении, были проделаны Мак-Каллоком и Питтсом. В 1943 году ими была разработана компьютерная модель нейронной сети на
Введение в  нейросети Исторический очеркТермин «нейронная сеть» появился в середине XX века. Первые работы, в Человеческий мозг Искусственная НС На пальцахИсточник: https://habr.com/post/416211/Предположим, у нас есть три разных бинарных условия (да или На пальцахПростая модель с тремя вводными и одним выводом. Эта модель может На пальцахТо, что вы видите между вводом и выводом — это нейроны. На пальцахУ каждого ввода слева есть значение: 0 или 1, да или На пальцахЦифры, которые мы расставили — это веса связей. Помните, что нейроны На пальцахНу, вот и все! Нейронка создана, а вы можете ее использовать На пальцахДальше все просто: вместо одного слоя нейронов мы делаем два и Нейрон и весИсточник: https://habr.com/post/312450/ Функция активации (ФА)Источник: https://habr.com/post/312450/Линейная функцияСигмоидГиперболический тангенс Эпохи и шагиИсточник: https://habr.com/post/416211/Итерация Это своеобразный счетчик, который увеличивается каждый раз, когда ОшибкаИсточник: https://habr.com/post/416211/Ошибка — это процентная величина, отражающая расхождение между ожидаемым и полученным ФормулыРасчет входа нейронаПравило Видроу-Хоффа для пересчета весов    Пример. Инициализация   Выбираем задачу (Например логическое ИЛИ)Проектируем НС     5. Строим таблицу истинности   6. Выбираем ФА (например пороговую)  Пример. Обучение    Пример. Обучение    Пример. Обучение   Обучение завершено! Пример кода на Pythonimport numpy as np  def generate_vectors(): Пример  кода  на Pythonwhile error != 0:   x_vectors Пример  кода на  Python*************** epoch 1 ***************weight = [0. 0.]_____________________________________________| Персептрон и n-слойные сетиИсточник: https://habr.com/post/312450/ Персептрон и n-слойные сетиИсточник: https://habr.com/post/312450/ Спасибо за внимание!
Слайды презентации

Слайд 2 Исторический очерк
Термин «нейронная сеть» появился в середине XX

Исторический очеркТермин «нейронная сеть» появился в середине XX века. Первые работы,

века. Первые работы, в которых были получены основные результаты

в данном направлении, были проделаны Мак-Каллоком и Питтсом. В 1943 году ими была разработана компьютерная модель нейронной сети на основе математических алгоритмов и теории деятельности головного мозга.
Они выдвинули предположение, что нейроны можно упрощённо рассматривать как устройства, оперирующие двоичными числами, и назвали эту модель «пороговой логикой». Подобно своему биологическому прототипу нейроны Мак-Каллока–Питтса были способны обучаться путём подстройки параметров, описывающих синптическую проводимость.
Исследователи предложили конструкцию сети из электронных нейронов и показали, что подобная сеть может выполнять практически любые вообразимые числовые или логические операции. Мак-Каллок и Питтс предположили, что такая сеть в состоянии также обучаться, распознавать образы, обобщать, т. е. обладает всеми чертами интеллекта.

Источник: https://neuronus.com/history/5-istoriya-nejronnykh-setej.html


Слайд 3 Человеческий мозг

Человеческий мозг

Слайд 4 Искусственная НС

Искусственная НС

Слайд 5 На пальцах
Источник: https://habr.com/post/416211/
Предположим, у нас есть три разных

На пальцахИсточник: https://habr.com/post/416211/Предположим, у нас есть три разных бинарных условия (да

бинарных условия (да или нет) и одно бинарное решение

на выходе (да или нет):

Слайд 6 На пальцах
Простая модель с тремя вводными и одним

На пальцахПростая модель с тремя вводными и одним выводом. Эта модель

выводом. Эта модель может абсолютно отлично работать для разных

людей и выдавать им разные результаты, в зависимости от того, как они обучили нейронную сеть.

Источник: https://habr.com/post/416211/


Слайд 7 На пальцах
То, что вы видите между вводом и

На пальцахТо, что вы видите между вводом и выводом — это

выводом — это нейроны. Пока что они ни с

чем не связаны, но это и отражает их главную особенность, о которой все забывают сказать: они — это полностью абстрактны. 

Источник: https://habr.com/post/416211/


Слайд 8 На пальцах
У каждого ввода слева есть значение: 0

На пальцахУ каждого ввода слева есть значение: 0 или 1, да

или 1, да или нет. Давайте добавим эти значения

вводу, предположим, что на вечеринке не будет водки, будут друзья да будет идти дождь:

Источник: https://habr.com/post/416211/


Слайд 9 На пальцах
Цифры, которые мы расставили — это веса

На пальцахЦифры, которые мы расставили — это веса связей. Помните, что

связей. Помните, что нейроны — это абстракция? Так вот,

связи — это именно то, из чего и состоит нейронная сеть. 

Источник: https://habr.com/post/416211/


Слайд 10 На пальцах
Ну, вот и все! Нейронка создана, а

На пальцахНу, вот и все! Нейронка создана, а вы можете ее

вы можете ее использовать для любых нужд. Если сумма

получается больше 0.5 — идти на вечеринку нужно. Если меньше или равно — на вечеринку идти не нужно. Спасибо за внимание!

Источник: https://habr.com/post/416211/


Слайд 11 На пальцах
Дальше все просто: вместо одного слоя нейронов

На пальцахДальше все просто: вместо одного слоя нейронов мы делаем два

мы делаем два и снова все перебираем по точно

тем же самым принципам, только уже все нейроны отдают значения другим нейронам. Если сначала у нас было только 3 связи, то теперь 3 + 9 связей с весами. А потом три слоя, четыре, рекурсивные слои, зацикленные на себе и тому подобная дичь:

Источник: https://habr.com/post/416211/


Слайд 12 Нейрон и вес
Источник: https://habr.com/post/312450/

Нейрон и весИсточник: https://habr.com/post/312450/

Слайд 13 Функция активации (ФА)
Источник: https://habr.com/post/312450/

Линейная функция
Сигмоид
Гиперболический тангенс

Функция активации (ФА)Источник: https://habr.com/post/312450/Линейная функцияСигмоидГиперболический тангенс

Слайд 14 Эпохи и шаги
Источник: https://habr.com/post/416211/
Итерация
Это своеобразный счетчик, который увеличивается

Эпохи и шагиИсточник: https://habr.com/post/416211/Итерация Это своеобразный счетчик, который увеличивается каждый раз,

каждый раз, когда нейронная сеть проходит один тренировочный сет.

Другими словами, это общее количество тренировочных сетов пройденных нейронной сетью. Эпоха
При инициализации нейронной сети эта величина устанавливается в 0 и имеет потолок, задаваемый вручную. Чем больше эпоха, тем лучше натренирована сеть и соответственно, ее результат. Эпоха увеличивается каждый раз, когда мы проходим весь набор тренировочных сетов, в нашем случае, 4 сетов или 4 итераций.

Слайд 15 Ошибка
Источник: https://habr.com/post/416211/
Ошибка — это процентная величина, отражающая расхождение

ОшибкаИсточник: https://habr.com/post/416211/Ошибка — это процентная величина, отражающая расхождение между ожидаемым и

между ожидаемым и полученным ответами. Ошибка формируется каждую эпоху

и должна идти на спад. Если этого не происходит, значит, вы что-то делаете не так. Ошибку можно вычислить разными путями, но мы рассмотрим лишь три основных способа: Mean Squared Error (далее MSE), Root MSE и Arctan. 

MSE

Root MSE

Arctan


Слайд 16 Формулы
Расчет входа нейрона
Правило Видроу-Хоффа для пересчета весов
 
 
 

ФормулыРасчет входа нейронаПравило Видроу-Хоффа для пересчета весов   

Слайд 17 Пример. Инициализация



 
 
Выбираем задачу (Например логическое ИЛИ)
Проектируем НС
 
 
 
 
 
5.

Пример. Инициализация   Выбираем задачу (Например логическое ИЛИ)Проектируем НС     5. Строим таблицу истинности   6. Выбираем ФА (например пороговую) 

Строим таблицу истинности
 
 
 
6. Выбираем ФА (например пороговую)
 


Слайд 18 Пример. Обучение
 
 
 

Пример. Обучение   

Слайд 19 Пример. Обучение
 
 
 

Пример. Обучение   

Слайд 20 Пример. Обучение
 
 
 
Обучение завершено!

Пример. Обучение   Обучение завершено!

Слайд 21 Пример кода на Python

import numpy as np def generate_vectors():

Пример кода на Pythonimport numpy as np def generate_vectors():  from

from itertools import product as p return(p(range(2),

repeat=2)) def f(x): return(x[0] or x[1]) x_vectors = generate_vectors() t_vector = np.array([f(x) for x in x_vectors]) x_vectors = generate_vectors() nu = 0.3 weight = np.array([0., 0.]) epoch = 1 error = 1

Слайд 22 Пример кода на Python

while error != 0:

Пример кода на Pythonwhile error != 0:  x_vectors = generate_vectors()

x_vectors = generate_vectors() print(f'\n*************** epoch {epoch} ***************')

print(f'weight = {weight}') print(f'_____________________________________________') error = 0 for i, x_vec in enumerate(x_vectors): net = sum(x_vec[j]*weight[j] for j in range(2)) if net >= 0.5: y = 1 else: y = 0 delta = t_vector[i] - y err = t_vector[i] - net print(f'| net = {net:.3f} | y = {y}| t = {t_vector[i]} | err = {abs(err):.3f} |') if delta != 0: error += 1 weight = [weight[j] + nu * abs(err) * x_vec[j] for j in range(2)] epoch += 1 print(f'¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯') print(f'{error} errors\n')

Слайд 23 Пример кода на Python

*************** epoch 1 ***************
weight =

Пример кода на Python*************** epoch 1 ***************weight = [0. 0.]_____________________________________________| net

[0. 0.]
_____________________________________________
| net = 0.000 | y = 0|

t = 0 | err = 0.000 |
| net = 0.000 | y = 0| t = 1 | err = 1.000 |
| net = 0.000 | y = 0| t = 1 | err = 1.000 |
| net = 0.600 | y = 1| t = 1 | err = 0.400 |
¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯
2 errors

*************** epoch 2 ***************
weight = [0.3, 0.3]
_____________________________________________
| net = 0.000 | y = 0| t = 0 | err = 0.000 |
| net = 0.300 | y = 0| t = 1 | err = 0.700 |
| net = 0.300 | y = 0| t = 1 | err = 0.700 |
| net = 1.020 | y = 1| t = 1 | err = 0.020 |
¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯
2 errors

*************** epoch 3 ***************
weight = [0.51, 0.51]
_____________________________________________
| net = 0.000 | y = 0| t = 0 | err = 0.000 |
| net = 0.510 | y = 1| t = 1 | err = 0.490 |
| net = 0.510 | y = 1| t = 1 | err = 0.490 |
| net = 1.020 | y = 1| t = 1 | err = 0.020 |
¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯
0 errors

Слайд 24 Персептрон и n-слойные сети
Источник: https://habr.com/post/312450/

Персептрон и n-слойные сетиИсточник: https://habr.com/post/312450/

Слайд 25 Персептрон и n-слойные сети
Источник: https://habr.com/post/312450/

Персептрон и n-слойные сетиИсточник: https://habr.com/post/312450/

  • Имя файла: vvedenie-v-neyroseti.pptx
  • Количество просмотров: 193
  • Количество скачиваний: 5