Учебник по программированию нейронной сети Винтажный стиль

Учебник по программированию нейронной сети в винтажном стиле

Основы математики нейронных сетей, изучая пути наших предшественников

Один из первых, кто описал нейронные сети, были нейрофизиолог Воррен МакКаллох и математик Уолтер Питс, рассматривая модель биологических мозгов.

В 1959 году Бернард Видроу и Марсиан Хофф из Стэнфорда адаптировали идею для создания MADALINE, первой нейронной сети, использованной для устранения эха в телефонных линиях. Она все еще используется сегодня! (История нейронных сетей Стэнфорда).

Времена меняются (абстракция)

Код, инструменты, платформы и связанные методы, доступные Видроу, не совпадают с теми, которые мы имеем сегодня. Для относительно простой нейронной сети сегодня требуется лишь несколько строк кода.

Поэтому многие учебники фокусируются на более простом подходе. Эти простые подходы опираются на высоко развитые и хорошо спроектированные библиотеки программного обеспечения, называемые пакетами.

• Благословение размерности?! (Часть 1)
• Как настроить EasyOCR для достижения более высокой производительности OCR
• Нравится анализ главных компонентов? Новая статья сообщает, что это может приводить к появлению артефактов в виде «фантомных колебаний».

Использование этих пакетов часто называется абстрактным подходом, потому что они скрывают значительную часть базовой сложности и математики нейронных сетей. В результате пользователи могут сосредоточиться больше на проектировании и реализации архитектуры сети, а не утонуть в деталях вычислений на низком уровне.

Плюсы и минусы

Но в процессе обучения это представляет некоторый компромисс. Такие абстракции могут затруднить полное изучение, понимание и оценку основной математики и других связанных принципов, которые действительно движут и позволяют так называемой искусственной нейронной сети. Этот учебник стремится частично раскрыть эту основную математику.

Добро пожаловать

Добро пожаловать в этот исчерпывающий учебник по нейронным сетям, универсальному классу моделей машинного обучения. Нейронные сети имеют широкий спектр применений, включая регрессию, классификацию и генерацию уникальных результатов, как в генеративных моделях искусственного интеллекта. Они являются основой многих революционных приложений искусственного интеллекта и машинного обучения, таких как распознавание изображений, интерпретация текста и самоуправляемые автомобили. В этой статье мы рассмотрим основы нейронных сетей.