Теория нейронных сетей

Введение

Искусственная нейронная сеть - биологически инспирированная модель обработки данных, состоящая из множества простых взаимосвязанных вычислительных элементов, способных обучаться. Нейронные сети используются при решении задач распознавания изображений и речи, управления сложными системами, моделирования динамических систем, обработки текстов на естественном языке и во многих других областях

Многослойные нейронные сети

Многослойная нейронная сеть - одна из наиболее популярных архитектур нейронных сетей, в которой нейроны организованы по слоям, а распространение информации происходит в одном направлении - от входа в выходу. Основное применение многослойных нейронных сетей связано с задачами регрессии и классификации данных

Методы обучения нейронных сетей

Обучение - процесс настройки параметров нейронной сети, при которых достигается максимальное качество обработки сетью имеющихся данных. В большинстве случаев задача обучения нейронной сети - это задача оптимизации функционала качества в пространстве высокой размерности, и для её решения используются классические либо специализированные методы оптимизации

Обобщение данных в нейронных сетях

Ключевое свойство правильно обученных нейронных сетей - это способность к обобщению данных, т.е. способность выдавать верный результат на новых, отсутствовавших при обучении, данных

Применение многослойных нейронных сетей для решения прикладных задач обработки данных

Процесс построения нейросетевой модели для решения прикладной задачи начинается со сбора экспериментальных данных и заканчивается статистическим анализом обученной модели и результатов её работы

Экзамен