body-bg

Stevsky.ru Технологии Компьютеры Искусственные нейронные сети (ИНС) - что такое нейросети, как они работают, преимущества и недостатки искусственных нейронов, где используются нейросети

Искусственные нейронные сети (ИНС) - что такое нейросети, как они работают, преимущества и недостатки искусственных нейронов, где используются нейросети

neiro2Нейросети для чайников

Сегодняшняя статья будет посвящена достаточно сложной теме - что такое искусственные нейронные сети и зачем они нужны. Мы расскажем вам историю создания нейронных сетей, как развивалась данная наука о сетях и что сейчас она может предложить человечеству. Тема очень сложная для понимания и, возможно, понять, что написано в данной статье не получится с первого раза, однако мы постараемся изложить информацию о нейронных сетях как можно проще. Тема нейронных сетей актуальна сейчас, как никогда - то и дело в сети встречается масса сайтов, на которых эти самые сети забавно совмещают картинки, разукрашивают ч/б фотографии, распознают рукописный текст, речь и т.д. Это лишь малая часть того, что на самом деле умеет ИНС (искусственная нейронная сеть). Возможности ИНС безграничны, однако они существенно уступают тому, что умеет человеческий мозг. По сравнению с нейронными сетями, мы спокойно можем разобрать речь собеседника в шумном помещении, узнать человека среди сотен других людей и т.д. ИНС умеет все то же самое, однако если сравнить нейросеть с каким-либо живым существом на планете, то она будет едва умнее пиявки. Все же, наш мозг добился отличной работоспособности спустя 50 000 лет эволюции (если мы говорим о Homo sapiens), а нейросети существуют всего 65 лет. Тем не менее, современные технологии сильно шагнули вперед и нет никаких сомнений, что через 10-15 лет нейрокомпьютеры вплотную приблизятся по своим возможностям к человеческому мозгу, благодаря стремительному развитию нейросетей и искусственного интеллекта в целом.

Содержание:

  1. История создания ИНС
  2. Что такое нейросеть
  3. Как работают нейронные сети
  4. Где эффективны ИНС
  5. Преимущества нейросети
  6. Недостатки нейронной сети
  7. Виды ИНС
  8. Нейросети в реальной жизни

Искусственные нейронные сети - история создания

 

Впервые о нейронных сетях начали говорить в далеких 50-х годах прошлого века. В период с 1943 по 1950 год были представлены миру первые две основополагающие ученые работы. Одна из них, статья 1943 года двух выдающихся ученых - Уорена Маккалока и Уолтера Питтса освещала математическую модель нейронной сети, а в 1949 году канадский нейропсихолог Дональд Хебб выпустил книгу "Организация поведения", в которой было подробное описание процесса самообучения ИНС.

Позднее, в 1957 году известный американский ученый Фрэнк Розенблатт изобрел перцептрон - математическую (компьютерную) модель обработки информации человеческим мозгом. Данная разработка уже в те годы умела прогнозировать погоду и распознавать образы, однако вскоре перцептрон жестко раскритиковали из-за скандальной работы Марвина Минского. В 1969 году ученый выпустил статью, в которой разъяснялось, какие задачи перцептроном не могут быть решены и при каких условиях его работа неэффективна. После этого интерес к неросетям угас, но не на долго.

В 1974 году Пол Вербос разработал алгоритм обратного распространения ошибки, который используется и по сей день для обучения ИНС. Начиная с 1985 года Джон Хопфилд предлагает миру свое виденье устройства и работы нейросети, которая способна решать некоторые виды задач. Именно работы Джона Хопфилда вновь разогревают нешуточный интерес мировой общественности к искусственным нейронным сетям. В 90-е годы прошлого века алгоритм обратного распространения ошибки получил существенное развитие, за счет чего былая критика Минского касательно неработоспособности сетей окончательно опровергнута. На сегодняшний день ИНС является главным подразделом машинного обучения.

К оглавлению

Нейросеть - в целом об ИНС

Как мы уже говорили, в этой статье не будет заумных фраз и тонн формул. Важно, чтобы каждый хотя бы в общих чертах понимал, что такое нейронные сети, поэтому постараемся объяснить все на простом, человеческом языке.

Итак, что же такое ИНС? Вспомните уроки биологии - каждое существо в нашем мире имеет нервную систему, а более продвинутые жители Земли еще и мозг. Так вот, биологические нейронные сети и есть наши с вами мозги . Органы чувств передают информацию о раздражителе нейронным сетям, а те в свою очередь обрабатывают ее, благодаря чему мы чувствуем тепло и холод, ветер, влагу, можем распознать людей, вещи, запомнить информацию и так до бесконечности. Вот так выглядит наш с вами нейрон - очень сложная биологическая система.

biologicalneuron

Искусственный нейрон - это тот же биологический нейрон, но только сильно упрощенный. Нам ведь не нужны оболочки, мембраны, ядра, рибосомы и прочее, чтобы математический нейрон смог жить. Нам необходим лишь алгоритм работы биологического нейрона, чтобы осуществлять задуманное - самообучение компьютеров и их систем. Вот как выглядит упрощённый биологический нейрон в математическом виде.

artificialneuronwelcome

А вот как выглядит наш с вами мозг, упрощенный до ИНС.

annwelcome

К оглавлению

Нейронные сети - почему они работают?

 

Для начала - принцип работы ИНС в точности повторяет алгоритм работы биологических нейронных сетей. Чаще всего ответ на вопрос, почему нейросети работают, звучит так: каждый нейрон из сети умеет обрабатывать сигнал, а поскольку их миллиарды, то входящая информация на входе преобразуется в правильный сигнал на выходе. Важно учитывать то, что алгоритм работы каждого нейрона одинаков, поэтому возникает вопрос: если все нейроны работают по одинаковому примеру, то почему нейросети могут выдавать разные ответы, а не один и тот же постоянно? Дело в том, что помимо самих нейронов существуют еще и синапсы. Синапс - это место соединения выхода одного нейрона и входа другого, при этом сигнал при прохождении через синапс либо усиливается, либо ослабляется. На картинке можно увидеть, как соединяются биологические нейроны друг с другом - красный цвет отображает главный нейрон, а желтый выходы близлежащих нейронов. Каждый из биологических нейронов обладает тысячами входов для других нейронов, а значит и синапсов также тысячи. Умножим наши тысячи на миллиарды нейронов (у человека около 85 млрд. нейронов в головном мозге) и получаем очень большое число синапсов.

sinapswelcome

Каждый синапс индивидуален, он либо усиливает, либо ослабляет сигнал нейрона, проходящий через него. В течение жизни синапсы меняются, а значит и изменяются проходящие через них сигналы. Именно совместная работа нейрона и синапса преобразуют входящие сигналы в верные решения на выходе.

Вот как выглядит математический вид нейрона. Он состоит из входов, на которые подаются числа, весов (те же синапсы) и сумматора. Поступающие на входы числа умножаются на соответствующие веса, после чего произведения суммируются. Сумма всех результатов не является окончательным решением и для выдачи готового результата используется функция активации. Функция активации вычисляет выходной сигнал сумматора в правильное решение. Всего существует три вида функции возбуждения:

  • пороговая функция;
  • гистерезис;
  • сигмоид.

artificialneuronmodel

latex

Уровень сложности нейросетей

Ученые давно уже разработали алгоритм работы ИНС, однако даже сейчас технологии не позволяют моделировать слишком большое количество нейронов. Насколько их меньше, чем у человека? Внимание на картинку.

howsimplify

Это условное представление того, насколько ИНС отстают от человека. Возможности обычного ПК не превышают возможности пиявки, а вот специальные реализации нейросетей уже приближаются к возможностям обычной мухи. Да, пока ИНС не внушают доверия, но прогресс не стоит на месте и даже маленькое смещение по диагонали на графике дает существенное увеличение синапсов, а как следствие правильности и скорости работы.

К оглавлению

Когда эффективны ИНС?

Вы уже ознакомились с принципом работы нейронных сетей, теперь разберемся с тем, где их можно и нужно применять. По ходу жизни нам предстоит решать множество как легких, так и сложных задач, поэтому ИНС призвана помочь каждому человеку упростить его жизнь. Ниже опишем примеры задач и с помощью чего их можно решить - обычный ПК или нейронные сети.

Простые и средние по сложности, принцип решения которых известен:

  • легкие уравнения;
  • распечатка документа;
  • запуск программы.

Подобные задачи решаются с помощью обычного ПК.

Мало- среднесложные задачи с частичным знанием решения:

  • прогнозирование ситуации;
  • нахождение погрешности;
  • приблизительные ответ уравнения.

Такие задачи решаются при помощи статистики.

Высокая сложность задачи с неизвестным решением:

  • сложное прогнозирование;
  • распознавание речи;
  • распознавание образов.

wheretouse

Данные задачи решаются только при помощи нейронных сетей. Объясним. Допустим, у вас есть общее фото с друзьями и вам необходимо распознать, кто и где стоит. Для вас это вряд ли окажется проблемой, а что насчет компьютера? Для ПК можно написать утилиту по распознаванию лиц, при этом алгоритм работы программы будет весьма и весьма приблизительный. Дело в том, что мы распознаем лица людей бессознательно, не задумываясь над тем, как работает в это время наш мозг, поэтому мы не знаем точные процессы, проходящие в нем. Именно это и не позволяет написать точный алгоритм работы приложения.

randomresistance

Что касается нейросети, то для того же распознавания она просто незаменима. ИНС можно научить распознавать лица, при этом самообучение, присуще нейросетям позволит работать алгоритму приложения в итоге безошибочно определять, кто изображен на фотографии. ИНС можно научить всему, что мы делаем на бессознательном уровне. Да, это трудно, но это возможно.

К оглавлению

Преимущества нейросети

1. Шум входных данных

Представьте любое шумное место, например, стадион. Громко играет музыка, вокруг люди разговаривают, веселятся, поют, а вы с собеседником сидя на трибуне беседуете о чем-то своем. Ваши уши улавливают тонны ненужных звуков, но мозг их фильтрует и воспринимает только то, что говорит вам собеседник. Подобное качество есть и у нейросетей. После обучения они способны воспринимать только нужную им информацию, несмотря на посторонние шумы.

2. Адаптация к изменениям

Допустим, у вас установлен Твиттер и на протяжении долгого времени он не обновлялся. Однако, сегодня утром пришло обновление и появились новые функции. Посидев минуту-другую вы ознакомились с новым функционалом и готовы использовать приложение в полную силу. Незначительные изменения не вызвали у вас никаких проблем. То же самое и с ИНС. Возможность адаптации нейросетей к изменениям позволяет им работать в правильном режиме все время. Самообучение - самое важное свойство ИНС.

 

adaptation

3. Отказоустойчивость

Бывают такие случаи, когда человеку по причине болезни удаляют часть мозга, при этом на работоспособность пациента это практически не влияет. Все благодаря тому, что остальная часть головного мозга берет на себя функции удаленной, может не в полной мере, но человек имеет возможность продолжать жить и наслаждаться жизнью.

Подобное свойство присуще и искусственным нейросетям, когда при повреждении некоторого количества нейронов, выдаваемые ответы системы в общем - логичны и правильны.

resistance4

4. Быстрота работы

Каждый из нейронов, по сути, является микропроцессором, но поскольку нейронная сеть состоит из тысяч таких нейронов, между которыми распределяется задача, ее решение происходит очень быстро - намного быстрее, чем при использовании обычных алгоритмов решения.

highspeed

К оглавлению

Недостатки нейронных сетей

Казалось бы, ИНС - это идеальное решение всех существующих проблем, но это совсем не так, поскольку недостатки у нейросетей также есть. ИНС не есть панацея - это лишь отличный дополнительный функционал для решения тех или иных задач.

1. Приблизительный ответ

Нейронные сети не способны выдавать точный ответ. Они могут дать правильный ответ, который будет отличаться от неверного всего на несколько процентов и с этим ничего не поделаешь.

whatisit

2. Многошаговые решения

ИНС не способна шаг за шагом решить задачу, поскольку каждый нейрон является независимым и решает свою часть задачи так, как пожелает нужным. Грубо говоря, ему все равно, что там решил нейрон-сосед.

nomoresteps

3. Вычислительные процессы

Нейросети не могут решать вычислительные задачи из-за двух вышеописанных недостатков. Допустим, необходимо решить какое-нибудь уравнение. Мы знаем, что решать его необходимо в последовательном режиме, а ИНС, увы, этого не умеет.

 nomath

К оглавлению

Виды искусственных нейронных сетей

Для начала стоит знать, что любая нейросеть состоит из двух основных слоёв - принимающего (он же и распределительный) сигналы и обрабатывающего. Однако, если нейронная сеть состоит только лишь из этих двух слоев - то она однослойная, если слоев больше, то многослойная. Теперь поподробнее.

Однослойная ИНС - входящие сигналы сразу передаются с входного слоя на выходной, который обрабатывает их и выдает готовый результат. На изображении распределяющий слой изображен кружочками, а обрабатывающий - квадратиками.

onelayernn

Многослойная ИНС - сеть, которая состоит из входного, скрытого и обрабатывающего слоев. Сигнал с распределяющего слоя частично обрабатывается скрытым слоем, после чего передается на последний слой нейронов, вычисляющий конечный результат.

MultiLayerNN

Интересно то, что скрытые слои ИНС ученые научились обучать совсем недавно и это большой шаг вперед, поскольку многослойные нейросети существенно превосходят по производительности и возможностям однослойные.

Также стоит знать, что работают сети в двух направлениях - прямое распределение и обратное. ИНС прямого распределения дают возможность решать с успехом большинство задач: прогнозирование, кластеризация и распознавание. В таких нейросетях сигнал передается только вперед, назад он возвращаться не имеет возможности.

А что же тогда с обратными связями в ИНС? В подобных сетях часть сигнала от нейронов может быть возвращена назад и такой принцип работы существенно расширяет возможности нейросетей. Такие ИНС могут обладать кратковременной памятью как у человека.

recurr

К оглавлению

Нейронные сети - использование в реальной жизни

Искусственные нейронные сети используют практически везде. Например, все вы знаете о Google картах с режимом Street View. Так вот, при просмотре улиц каждый из нас замечал замазанные лица людей и номера машин - все это выполнили нейронные сети. Также при наборе текста посредством голоса (распознавание речи) используются нейронные сети. На просторах интернета существует множество развлекательных проектов с применением нейронных сетей. Это и приложение MSQRD - наложение всевозможных масок на лицо в реальном времени, и Андроид-приложение Mlvch, которое обрабатывает картинки при помощи ИНС, и многое другое.

Более серьезное применение нейроных сетей можно увидеть в яндексовском приложении Авто.ру, которое распознает автомобили на снимках; CaptionBot от Майкрософт - нейросеть автоматически придумывает подпись к изображениям, исходя из содержания картинок; WhatDog - распознавание породы собак, изображенных на фотографиях и т.п.

Нейросети умеют практически все, но их работа пока напоминает черный ящик. Дело в том, что при работе с нейронными сетями самым сложным и трудоемким процессом является обучение ИНС решать ту или иную задачу. Необходимо учитывать каждую деталь, каждую мелочь, поскольку даже незначительная ошибка или отсутствие минимальной части данных приведет к неправильной работе всей нейронной сети в целом.

К оглавлению

Нейросети - что такое ИНС?

Более подробно об искусственных нейронах и сетях рассказывается на видео.



Похожие материалы:
Новые материалы по этой тематике:
Старые материалы по этой тематике:

Обновлено ( 05.01.2017 02:44 )  

Цитата дня

Сбои ритмов Солнца, вызванные какими-то галактическими ритмами с периодом примерно в 11 лет, приводят к большим бедам на Земле. Не случайно на эти годы выпадают максимумы массовой гибели людей - или через войны, или через пандемии, или через иные природные катаклизмы. Создаётся впечатление, что природе всё равно, каким образом вернуть долг Солнцу: ведь при гибели человека высвобождается огромная энергия.
И.Ю. Микляев

Разделы:

Всё о мобильных процессорах

Вопросы-ответы по смартфонам

Обзоры и сравнения

Самый стильный китайский смартфон 2017
Топ 5 противоударных смартфонов 2017

Календарь выхода смартфонов 2017

Лучшие камерофоны 2017
Лучшие китайские смартфоны 2017

Актуальные модели смартфонов:

Apple

iPhone 8
- три версии iPhone 8
iPhone 7 и 7 plus
Производительность
- Камеры
Сравнение с флагманами 2016

iPad 2017

Samsung

Все Самсунги 2016

Galaxy Note 8
Galaxy S8
. S8 Edge
Galaxy S7, S7 Edge
Galaxy S6 Mini, S7 Mini

Все Galaxy A 2017
Galaxy A7 и A7 Pro 2017
Galaxy A5 2017

Galaxy Xcover 4

Все Galaxy C 2017
Galaxy C9, C9 Pro
Galaxy C7, C7 Pro
Galaxy C5

Galaxy J7 2017
Galaxy J3 Emerge

Galaxy J2 Ace
Galaxy J5 2017
Galaxy J1 2017

Sony

Xperia XA1 и XA1 Ultra
+ сравнение с XA и XA Ultra
Xperia XZS и XZ Premium

Xperia XZ

Xperia X Compact

LG

Все LG 2016
Все LG K серия 2017

LG G6
LG G5 SE
LG G5

LG Stylus 3

HTC

HTC One X10
HTC U Ultra, U Play

HTC 11

Huawei

Huawei Mate 9 Lite
Huawei Mate 9

Huawei P10 Lite
Huawei P10
Сравнение P10 с P9 и P10 Plus с P9 Plus
Huawei P8 Lite 2017

Huawei GR5 2017
Huawei Enjoy 6
 / 6S

Honor V9 (8 Pro)
Honor Magic

Honor 6X

Honor Note 8

ZTE

Nubia M2, M2 Lite и N2
Nubia Z17 Mini

Nubia N1 Lite

Nubia Prague S2

Nubia Z11 Mini S

Axon 8

Все ZTE Blade 2016

Blade V8 Mini и V8 Lite
Blade V8 и V8 Pro

Meizu

Все Meizu 2017
Все Meizu 2016

Meizu Pro 7
Meizu Pro 6 Plus
Meizu Pro 6S

Meizu M5S
Meizu M5
Meizu M5 Note
Meizu U10 и U20

Xiaomi

Xiaomi история всех смартфонов
Все Xiaomi 2016

Xiaomi Mi Mix 2
Xiaomi Mi Max 2

Xiaomi Mi Mix

Xiaomi Mi Max

Xiaomi Mi Note 2

Xiaomi Mi6 Plus
Xiaomi Mi6C

Xiaomi Mi6
Xiaomi Mi5C
+ сравнение с Mi5 и Mi5S
Xiaomi Mi5S Plus
Xiaomi Mi5S
Xiaomi Mi5

Redmi Note 4 Pro
Redmi Note 4X

Redmi Note 4

Redmi Note 3 Pro

Redmi 4X
+ сравнение с Redmi 4 Pro
Redmi 5

Redmi Pro 2

Redmi Pro Mini

Redmi Pro
Redmi 4A
Redmi 4

Mi Pad 3 и Mi Pad 3 Pro

LeEco

Все LeEco 2016

LeEco Le 2S
LeEco X10

LeEco Le Pro 3

ASUS

Zenfone Live
Zenfone 3 Go

Zenfone 4
Zenfone AR
Все ASUS Zenfone 3

Lenovo, Moto, ZUK

Lenovo P2

Moto G5 и G5 Plus
Motorola RAZR V3

OnePlus

OnePlus 5

Elephone

Все Elephone 2017

Elephone S7
Elephone Play X

Elephone S8

Doogee, Homtom

Все HomTom 2017
Homtom HT27

Doogee Shoot 1

Nokia

Nokia 3310 (2017)
Nokia 8
Nokia 7
Nokia 6
Nokia 5 и Nokia 3
Nokia N95
Nokia P1

Chuwi

Chuwi SurBook

Другие марки:

МТС Smart Surf 2 и Smart Turbo
Все BQ 2017

BQ Jumbo

Ulefone Gemini Pro и Power 2

Neffos X1

UMIDIGI Z Pro

Смартфоны Leagoo

Смартфоны AGM

Blackview BV8000 Pro и BV9000 Pro

Все Texet серии X

Все Prestigio 2017

Ещё...


Последние новости

Популярное

Google+