Структура и принцип работы полносвязных нейронных сетей | #1 нейросети на Python

• Персептрон - упрощенное отображение биологической нейронной сети.  

• В полномерной нейронной сети каждый нейрон текущего слоя связан с каждым нейроном следующего слоя.  

• Прямое распространение означает отсутствие обратных связей.  

• Входной слой определяет связь входов с нейронами следующего слоя.  

• Выходной слой принимает выходные значения.  

• Скрытые слои находятся между входным и выходным слоями.  

• Связи между нейронами имеют веса, обозначаемые буквой омега.  

• Сигнал умножается на вес при прохождении по связи.  

• Нейрон принимает множество входов, суммирует их с учетом весов и передает значение всем связанным нейронам.  

• Функция активации нейрона выбирается как пороговая.  

• Примеры пороговых функций: ноль и один, от единицы до минус единицы.  

• Пороговые функции могут иметь различные значения порогов.  

• Пример с девочкой, выбирающей парня по трем параметрам: наличие квартиры, отношение к тяжелому року и красота.  

• Веса связей для квартиры и красоты положительные, для тяжелого рока отрицательные.  

• Сигналы подаются на вход, суммируются и проходят через функцию активации.  

• Пример: красивый парень с квартирой и любовью к тяжелому року.  

• Пример: симпатичный парень без квартиры и равнодушный к року.  

• Пример: несимпатичный парень с квартирой и любовью к року.  

• Пример: парень с квартирой и любовью к року всегда отвергается.  

• Пример: симпатичный парень принимается, если он не любит рок или не имеет квартиры.  

• Добавление скрытого слоя позволяет обобщать наблюдаемые факторы.  

• Подключение модуля numpy для работы с векторами и матрицами.  

• Функция активации возвращает ноль, если значение меньше 0.5, и единицу в остальных случаях.  

• Функция go пропускает входной сигнал через нейронную сеть и возвращает результат.  

• Формирование вектора входного сигнала из трех параметров.  

• Прописывание весов для первого и второго нейронов скрытого  

• Матричное умножение матрицы на входной вектор икс.  

• Получение вектора из двух компонент, определяющего сумму на каждом нейроне скрытого слоя.  

• Пропускание вектора через функцию активации для получения выходных значений нейронов скрытого слоя.  

• Умножение весов на выходные значения нейронов скрытого слоя.  

• Пропускание суммы через функцию активации для получения выхода нейронной сети.  

• Отображение выхода в консоль и возврат его через функцию гоу.  

• Определение трех параметров: наличие квартиры, нелюбовь к тяжелому року, привлекательность.  

• Пропускание параметров через нейронную сеть для формирования симпатии.  

• Вывод результата: "ты мне нравишься" при симпатии, иначе "созвонимся".  

• Изменение параметра привлекательности на непривлекательный.  

• Запуск программы и вывод результата: "созвонимся".  

• Подведение итогов: демонстрация работы нейронной сети и её математической модели на практике.