Два метода обучения нейронных сетей. Реальные примеры из жизни

18:06 28 мая 2018

Обучение нейронной сетиМашинное обучение имеет богатый спектр использования начиная от карты пробок и заканчивая беспилотными агентами. С обученным Искусственным Интеллектом мы сталкиваемся каждый день. Достаточно вспомнить, как после какой-нибудь покупки в интернете, потом ещё две недели вы видите в браузере рекламу этого товара.

В формировании интеллекта сети может быть использован один из двух подходов: обучение с учителем (заранее вручную написанные правила действий системы) или создание алгоритма самообучения для сети (поиск закономерностей на большом массиве примеров и их выделение).

Обучение с учителем

Это когда готовы ответы

Можно привести пример компьютерного опыта, когда вручную попытались описать все взаимодействия между несколькими геометрическими телами в пространстве: «шар катится», «пирамида стоит», «шар может толкнуть пирамиду», «куб может стоять на кубе», «пирамида может упасть». И так далее, пока не будут перебраны все варианты взаимодействия и не построены все деревья решений. Именно так и действует алгоритмический интеллект. Если объектов более 5, то составить вручную такие алгоритмы весьма проблематично, а при более 10 просто невозможно. Для упрощения задачи используется частичная автоматизация процесса и обобщение понятий.

Классификация, в том числе распознавание образов и управление

Обучение с учителем, это когда человек вмешивается в процесс. В реальности происходит это так: нейросеть получает вводные данные (например, изображения, звук, текст) и после каждого неправильного ответа подправляют настройки сети в сторону желаемого либо на примерах уже стоит маркировка об отношении к определённой категории. Чем больше и качественней выборка по данному профилю, тем результативнее будет обучение.

Такой род задач для нейросети называется классификацией. Например, распознать образ, кто на изображении человек или собака, определить письма «спам», по совокупности признаков констатировать наличие рака. После обучения сети можно предъявить незнакомые ей образцы и получить ответ, к какому классу она отнесла данный объект. В задачи классификации попадает и управление. Система принимает то или иное решение по «маркерам решений», которые продуманы заранее.

Прогнозирование

Другой разновидностью решаемых задач с помощью обучения с учителем является прогнозирование. Например, имеются все данные о нескольких тысячах объектов недвижимости (площадь, этаж, адрес, расстояние до метро, наличие рядом парковки и др.), они заранее программируются. Искусственному Интеллекту нужно построить зависимость стоимости недвижимости от всех этих параметров. Другие примеры: предсказание прибыльности бизнеса в следующем квартале или стоимости акций через год.

Обучение без учителя

Известны только вопросы

Что такое самообучение? Необходим алгоритм и данные для тренировки сети. Со вторым стало всё просто с появлением интернета с его неиссякаемым контентом. Различные базы данных содержат огромные массивы информации на любую тематику. Раньше же довольствовались несколькими сотнями примеров.

Алгоритмами машинного обучения программисты занимаются давно и всё время они совершенствуются. По этой тематике написано немало материала. Результатом выполнения такого алгоритма должно стать выявление внутренних связей, зависимостей нечётких закономерностей изучаемых объектов.

Задачи кластеризации

По известным признакам объектов поместить их в категории. Иллюстрировать понятие такого алгоритма для искусственного интеллекта могут, например, система подбора книг или фильмов, сортировка клиентов по платёжеспособности, группировка похожих объектов.

Сжатие данных (уменьшение размерности)

Уменьшить количество признаков, участвующих в описании, выделив главные. Некоторые сети можно устроить так, что в середине слои будут гораздо уже, чем в начале, и сеть вынуждена сжать результат, оставив основное.

Возможно использование комбинированных методов обучения. Что-то пишется вручную, а что-то поставлено на самообучение.


Теги: Нейронные сети
Категория Искусственный интеллект   |   0 комм.
Нет результатов.