Wat sinn Neural Netzwierker?

Wat sinn Kënschtlech Neural Netzwierker (ANNs)?

Vill vun de gréisste Fortschrëtter an AI sinn gedriwwen duerch kënschtlech neural Netzwierker. Kënschtlech Neural Netzwierker (ANNs) sinn d'Verbindung vu mathematesche Funktiounen, déi zesummen an engem Format inspiréiert sinn, inspiréiert vun den neuralen Netzwierker am mënschleche Gehir. Dës ANNs si fäeg komplex Musteren aus Daten ze extrahieren, dës Mustere op onsiichten Donnéeën uwenden fir d'Donnéeën ze klassifizéieren / ze erkennen. Op dës Manéier "léiert d'Maschinn". Dat ass e séieren Iwwerbléck iwwer neural Netzwierker, awer loosst eis neural Netzwierker méi no kucken fir besser ze verstoen wat se sinn a wéi se funktionnéieren.

Multi-Layer Perceptron erkläert

Ier mir méi komplex neural Netzwierker kucken, wäerte mir e Moment huelen fir eng einfach Versioun vun enger ANN ze kucken, e Multi-Layer Perceptron (MLP).

Stellt Iech eng Versammlungslinn an enger Fabréck vir. Op dëser Assemblée Linn kritt een Aarbechter en Artikel, mécht e puer Upassungen un, a gitt et dann un den nächsten Aarbechter an der Linn weider, déi datselwecht mécht. Dëse Prozess geet weider bis de leschten Aarbechter an der Linn d'Finanzéierung op den Artikel setzt an et op e Gürtel setzt, deen et aus der Fabréck hëlt. An dëser Analogie ginn et multiple "Schichten" op d'Versammlungslinn, a Produkter réckelen tëscht Schichten wéi se vun Aarbechter zu Aarbechter réckelen. D'Versammlungslinn huet och en Entrée an en Ausgangspunkt.

E Multi-Layer Perceptron kann als ganz einfach Produktiounslinn ugesinn ginn, aus dräi Schichten am Ganzen: eng Inputschicht, eng verstoppte Schicht an eng Ausgangsschicht. D'Input Schicht ass wou d'Donnéeën an d'MLP gefüttert ginn, an an der verstoppter Schicht eng Zuel vun "Aarbechter" handhaben d'Donnéeën ier se op d'Ausgangsschicht weiderginn, déi d'Produkt un d'Äussewelt gëtt. Am Fall vun engem MLP ginn dës Aarbechter "Neuronen" genannt (oder heiansdo Noden) a wa se d'Donnéeën handhaben, manipuléiere se se duerch eng Serie vu mathematesch Funktiounen.

Am Netz ginn et Strukturen déi Node mam Node verbannen genannt "Gewiichter". Gewiichter sinn eng Viraussetzung iwwer wéi Datenpunkte verbonne sinn wéi se duerch d'Netz beweegen. Fir dat anescht ze soen, Gewiichter reflektéieren den Aflossniveau deen een Neuron iwwer en aneren Neuron huet. D'Gewichte passéieren duerch eng "Aktivéierungsfunktioun" wéi se den aktuellen Node verloossen, wat eng Zort mathematesch Funktioun ass, déi d'Donnéeën transforméiert. Si transforméieren linear Daten an net-linear Representatioune, wat et dem Netz erlaabt komplex Mustere ze analyséieren.

D'Analogie zum mënschleche Gehir implizéiert vum "kënschtlechen neuralen Netzwierk" kënnt aus der Tatsaach datt d'Neuronen, déi de mënschleche Gehir ausmaachen, op eng ähnlech Manéier verbonne sinn wéi d'Noden an enger ANN verbonne sinn.

Wärend Multi-Layer Perceptronen zënter den 1940er existéiert hunn, goufen et eng Rei vu Aschränkungen, déi verhënnert hunn datt se besonnesch nëtzlech sinn. Wéi och ëmmer, am Laf vun de leschte puer Joerzéngte, eng Technik genannt "Réckpropagatioun" gouf geschaf, déi Netzwierker erlaabt hunn d'Gewiicht vun den Neuronen unzepassen an doduerch vill méi effektiv ze léieren. Backpropagation ännert d'Gewichte am neurale Netzwierk, wat dem Netz erlaabt déi aktuell Mustere bannent den Daten besser z'erfaassen.

Deep Neural Networks

Déif neural Netzwierker huelen d'Basisform vum MLP a maachen et méi grouss andeems se méi verstoppte Schichten an der Mëtt vum Modell bäidroen. Also amplaz datt et eng Inputschicht, eng verstoppte Schicht an eng Ausgangsschicht gëtt, ginn et vill verstoppte Schichten an der Mëtt an d'Ausgänge vun enger verstoppter Schicht ginn d'Inputen fir déi nächst verstoppte Schicht bis d'Donnéeën et de ganze Wee gemaach hunn duerch d'Netz a gouf zréck.

Déi multiple verstoppte Schichten vun engem déiwe neuralen Netzwierk si fäeg méi komplex Mustere ze interpretéieren wéi den traditionelle Multilayer Perceptron. Verschidde Schichten vum déiwe neurale Netzwierk léieren d'Mustere vu verschiddenen Deeler vun den Daten. Zum Beispill, wann d'Inputdaten aus Biller besteet, kann den éischten Deel vum Netz d'Hellegkeet oder d'Däischtert vu Pixel interpretéieren, während déi spéider Schichten Formen a Kanten auswielen, déi benotzt kënne ginn fir Objeten am Bild z'erkennen.

Verschidden Aarte vun Neural Netzwierker

Et gi verschidden Aarte vun neuralen Netzwierker, a jidderee vun de verschiddenen neuralen Netzwierktypen huet seng eege Virdeeler an Nodeeler (an dofir hir eege Benotzungsfäll). D'Aart vum déif neuralen Netzwierk hei uewen beschriwwen ass déi allgemengst Aart vun neuralen Netzwierk, an et gëtt dacks als feedforward neuralt Netzwierk bezeechent.

Eng Variatioun op neural Netzwierker ass de Recurrent Neural Network (RNN). Am Fall vu recurrent neural Netzwierker, Looping Mechanismen gi benotzt fir Informatioun aus fréiere Analysezoustanden ze halen, dat heescht datt se Daten interpretéiere kënnen wou d'Uerdnung wichteg ass. RNNs sinn nëtzlech fir Mustere vu sequentiellen / chronologeschen Donnéeën ofzeleeden. Widderhuelend Neural Netzwierker kënnen entweder unidirektional oder bidirektional sinn. Am Fall vun engem bi-direktionalen neuralen Netzwierk kann d'Netzwierk Informatioune vu méi spéit an der Sequenz wéi och fréiere Portiounen vun der Sequenz huelen. Well de bi-direktionalen RNN méi Informatioun berücksichtegt, ass et besser fäeg déi richteg Mustere vun den Donnéeën ze zéien.

E Convolutional Neural Network ass eng speziell Aart vun neuralt Netzwierk dat adept ass fir d'Mustere a Biller ze interpretéieren. E CNN funktionnéiert andeems en e Filter iwwer d'Pixel vum Bild passéiert an eng numeresch Representatioun vun de Pixel am Bild erreecht, déi et dann no Mustere analyséiere kann. E CNN ass sou strukturéiert datt déi konvolutionell Schichten, déi d'Pixel aus dem Bild zéien, fir d'éischt kommen, an dann déi dicht verbonne Feed-Forward Schichten kommen, déi, déi tatsächlech léieren Objekter ze erkennen, duerno kommen.