NN شماره 2 – شبکه های عصبی رمزگشایی شده: مفاهیم بیش از کد

در مقاله اول ما ، “از نورون ها به شبکه ها: تولد مفهومی از هوش مصنوعی” ، ما به بررسی بلوک اساسی ساخت و ساز شبکه های عصبی – پیجبشر ما دیدیم که چگونه این مدل ساده و الهام گرفته از نورون می تواند با وزن گیری ورودی ، جمع بندی آنها ، و سپس “شلیک” یا نه ، بر اساس آستانه تصمیم گیری کند. ما معرفی کردیم پیج به عنوان یک تقلید دیجیتالی از یک نورون بیولوژیکی ، قادر به یادگیری الگوهای و طبقه بندی های اساسی است.

اما داستان با یک واحد پایان نمی یابد پیجبشر در حالی که به عنوان یک نقطه شروع به طرز چشمگیری روشنگری است ، یک فرد Perceptron دارای یک محدودیت اساسی است: در یک دنیای خطی فعالیت می کند. برای اینکه واقعاً قدرت شبکه های عصبی را باز کنیم و با پیچیدگی های داده های دنیای واقعی مقابله کنیم ، باید فراتر از خطی باشیم و دنیای عملکردهای غیرخطی را در آغوش بگیریم. این جایی است که مفهوم انباشت Perceptrons بازی می شود و زمینه را به وجود می آورد یادگیری عمیقبشر

نه ، نه با یک شوت طولانی!

مد

Perceptron: یک خط مستقیم در یک دنیای پیچیده (یک بازپرداخت سریع)

بیایید به طور خلاصه ماهیت Perceptron را دوباره مرور کنیم. در هسته خود ، Perceptron یک محاسبه ساده را انجام می دهد: ورودی ها را می گیرد ، آنها را با وزنه ها ضرب می کند ، تعصب می افزاید ، و سپس … وبلاگ کامل را به صورت رایگان در رسانه بخوانیدبشر

منتشر شده از طریق به سمت هوش مصنوعی