Нейросеть
Ivan2K17
- 75 книг

Ваша оценкаЖанры
Ваша оценка
Хорошая книжка. Просто, понятно, быстро. С удовольствием прочитал.
Минимальная нагрузка математикой, простые схемы, понятные описания и примеры. Особенно понравились два блока — про систему ранжирования PageRank, лежащую в основе поисковика Google, и про принцип устройства нейросетей.
Опытному программисту книжка будет практически бесполезна. А вот учащимся, интересующимся и переучивающимся может пригодиться как материал для разогрева.
Отдельно запомнились несколько исторических фактов:
• Оказывается, знаменитый Леонард Эйлер (кругами которого мы пользуемся в логике, инфографике и мемах), некоторое время жил и работал в России, в Санкт-Петербурге, где решил одну знаменитую задачу про семь мостов Кёнигсберга. Мне, как петербуржцу, это было особенно интересно.
• Знаменитая IBM зародилась в рамках попытки (успешной) автоматизации переписи населения в США почти полтора века (!) назад. Попытка, кстати, была удачная.
• Печальная судьба Алана Тьюринга. Гений, один из пионеров исследований в области компьютерных вычислений. Взломавший знаменитую немецкую шифровальную машину «Энигма» во время Второй мировой войны (есть про это хороший одноимённый фильм с Кирой Найтли и Дюгреем Скоттом). Разработал базовый алгоритм (машина Тьюринга), лежащий в основе работы всех современных компьютеров, в том числе квантовых. Был доведен до самоубийства в возрасте 42 лет через осуждение по статье за гомосексуализм с последующей принудительной гормональной терапей. Такая, вот, была Англия каких-то 70 лет назад. Реабилитирован был только в 2013. Что дал бы этот человек миру, проживи он свободным творцом ещё лет 20, можно только догадываться.

Результатом процесса сортировки должны быть те же данные, которые были на входе; говоря техническим языком, это должна быть перестановка исходных данных, то есть те же элементы, только в другом порядке, без каких-либо изменений.

... согласно научному подходу, природу можно объяснить с использованием элементарных концепций — настолько простых, насколько возможно. Это вовсе не означает, что из простых правил и составных компонентов нельзя получить сложные структуры и модели поведения.

Таким образом процесс [глубокого] обучения можно описать в виде следующего алгоритма.
Для каждого ввода и желаемого вывода в учебном наборе данных:
1) вычисляется вывод нейрона и потеря;
2) обновляются веса и сдвиг нейрона, чтобы минимизировать потерю.


















Другие издания
