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

• Полносвязная нейронная сеть прямого распространения представляет собой упрощенное отображение работы биологической сети.  

• Каждый нейрон текущего слоя связан с каждым нейроном следующего слоя.  

• Входной сигнал распространяется от входа к выходу без обратных связей.  

• Первый слой называется входным, последний слой - выходным.  

• Промежуточные слои называются скрытыми.  

• Связи между нейронами имеют определенные веса, которые умножаются на сигнал.  

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

• Функция активации нейрона определяет выходное значение.  

• В персептроне функция активации выбирается как пороговая.  

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

• Веса связей для квартиры и красоты установлены в 0.5, для тяжелого рока - в -0.5.  

• Входные сигналы подаются в зависимости от наличия или отсутствия параметров.  

• Сумма весов и входов проходит через функцию активации, определяя решение девочки.  

• Примеры реакций на разные комбинации параметров: красивый парень с квартирой и тяжелым роком, симпатичный парень без квартиры и равнодушный к року, красивый парень с квартирой и не любящий рок.  

• Добавление дополнительного слоя нейронов позволяет обобщать наблюдаемые факторы.  

• Первый нейрон скрытого слоя активируется при наличии квартиры и тяжелого рока, второй - при встрече с красивым парнем.  

• Результирующая симпатия формируется на основе отсутствия первого обобщения и наличия второго.  

• Программа на Python для реализации работы нейронной сети.  

• Использование векторного матричного умножения и функции активации.  

• Формирование вектора входного сигнала и весов для нейронов скрытого слоя.  

• Матричное умножение для вычисления суммы на каждом нейроне скрытого слоя.  

• Использование функции активации для получения вектора выходных значений.  

• Вычисление суммы на выходном нейроне последнего слоя.  

• Умножение весов на выходные значения нейронов скрытого слоя.  

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

• Возвращение результата функции.  

• Определение параметров: парень с квартирой, не любит тяжелый рок, привлекателен.  

• Пропуск параметров через нейронную сеть для определения симпатии.  

• Вывод в консоль: "Ты мне нравишься" при положительных параметрах, "Созвонимся" при отрицательных.  

• Изменение параметра привлекательности для проверки реакции сети.  

• Вывод: "Созвонимся" при непривлекательном парне.  

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