Comments 17
Гораздо более интересна свёрточная нейросеть с нуля со всеми нюансами. Там пошаговая инструкция создания и обучения мне известна ровно одна и то финальная сборка заброшена; в остальных просто брошена кипа формул, типа, сами догадаетесь, как там из них обучать свёртки.
расскажите в двух словах: как работает настоящая нейронная сеть мозга? и в чём (кроме терминологии) автор не прав?
PS: я в ML ни бум-бум. прочитал статью с интересом
Самое главное, что в этой публикации бросается в глаза, нейроны воспринимаются как вычислительные центры, которые, как логические модули в компьютере могут оценивать информацию и решать, какие действия на эту информацию должен предпринять мозг. Этого нет и быть не может. Нейрон не обладает никакими возможностями — ни быстродействием, ни памятью. Его функция — «выстрелить» потенциалом действия в нужный момент — и всё.Совокупность выстреливших нейронов (нейронный ансамбль по Анохину) и представляет собой семантический код входящей информации. Эта комбинация возбуждённых нейронов строго соответствует какому-то объекту внешней среды (вроде QR-кода). Поскольку нейронов — миллионы, то и код может быть бесконечно сложной детализации. А вот создание этой комбинации ещё остроумнее, и называется афферентным синтезом(Анохин), правда, тогда он до этого не додумался. В мозгу существует механизм создания колебания электрической структуры мозга со строго определённой частотой — это выявляется на ЭЭГ в виде альфа-ритма. Свойства его очень строго контролируются — не ниже 9.5 Гц и частота +-0.25 Гц. Это несущая частота, как при голографии. На неё накладываются колебания, возникающие от воздействия на итерационно-рекурсную структуру нейронно-глиальной сети, и возникает фрактальная интерференционная неравномерность электрического состояния ткани вокруг нейронов; при этом вокруг одних нейронов порог потенциала действия снижается, и нейрон «выстреливает», вокруг других — повышается. Эта сложнейшая фрактальная структура строго соответствует воспринятой ранее, если сохраняется стабильность работы мозговой ткани и технические характеристики её остаются неизменными. На этом основан новый метод дисперсии альфа-ритма для диагностики психопатологии.
Ну Вы даёте! В двух словах Вы хотите, чтобы я изложил одну из важнейших научных тайн.
Вы таким тоном сказали "К сожалению, автор не имеет никакого понятия о том, как работает настоящая нейронная сеть мозга.Всё это — устаревшие представления, которые никак не связаны с реальными возможностями нервной ткани", что я уж решил что уж Вы-то знающий должно быть человек :)
Самое главное, что в этой публикации бросается в глаза, нейроны воспринимаются как вычислительные центры, которые, как логические модули в компьютере могут оценивать информацию и решать, какие действия на эту информацию должен предпринять мозг.
эм, биты в компьютере тоже в каком-то смысле "принимают решение". Разглядывая биты трудно увидеть программу, но чтобы понимать программирование — биты тоже приходится разглядывать. Не?
Этого нет и быть не может. Нейрон не обладает никакими возможностями — ни быстродействием, ни памятью.
а коэффициент при нейроне кто помнит?
возникает фрактальная интерференционная неравномерность электрического состояния ткани вокруг нейронов; при этом вокруг одних нейронов порог потенциала действия снижается, и нейрон «выстреливает», вокруг других — повышается. Эта сложнейшая фрактальная структура строго соответствует воспринятой ранее, если сохраняется стабильность работы мозговой ткани и технические характеристики её остаются неизменными.
У меня в профиле указан проект, где это реализуется, если кому интересно. Но без пугающей «сложнейшей фрактальной структуры», это просто кажущаяся сложность из-за масштабов.
Сама же ритмика легко может возникать по совершенно другой причине. Нейроны, не нашедшие корреляции в данных, организуются в структуру малого мира (ту самую, которую повсеместно стали недавно находить в мозге), и возникает генераторная активность, идущая от хабов, очень стабильная. По крайней мере, в моём эксперименте с искусственным органоидом (живой прототип которого в сенсорной депривации также запускает ритм) получилось именно так.
Самое главное, что в этой публикации бросается в глаза, нейроны воспринимаются как вычислительные центры, которые, как логические модули в компьютере могут оценивать информацию и решать, какие действия на эту информацию должен предпринять мозг. Этого нет и быть не может.
А откуда у вас эта информация, если не секрет???
Или вы в точности знаете как работает нейрон?
Кхм… нет, это компиляция на тему перцептрона… такая себе сетка… но тоже можно чего-нибудь получить (близкое к правде), а для обучения неофитов из-за простоты подходит куда лучше, чем любая другая…
В общем студенческая лаба профильных вузов, вот курс, на котором у нас оно было — не помню. Вероятно 3ий или 4ый.
Жаль, что ничего не упомянули про машинное обучение в целом. Хотя бы на уровне "garbage in, garbage out", сбора и чистки данных, разделения train/test/cross-validation. А без этого заниматься нейросетями очень странно, мне кажется.
"Нейросеть" — это же вообще не главное, хотя и звучит из каждого утюга. Это лишь один из доступных инструментов машинного обучения. Если просто взять нейросеть и попытаться как-то самостоятельно впихнуть в случайную задачу вроде распознавания рукописных цифр (особенно не зная слова "MNIST"), то наверняка ничего не получится.
Я вот лет десять назад прочитал про нейросети, закодил, сделал очень большой (как мне казалось) набор из целых десять примеров на каждую рукописную цифру, обучил и загрустил, что у меня плохо работает. Я даже слов "датасет", "переобучение" или "train/test" не знал. Думал, где-то баги. Мне и в голову не могло прийти, что а) данных надо сильно больше; б) данные надо нормализовывать и чистить; в) надо аккуратно выбирать архитектуру, чтобы модель была и не слишком простая, и не чрезмерно сложная.
В статье отражен лишь самый коротки путь разобраться-реализовать-применить, и то, глазами обывателя. Если же читатель хочет глубоко погрузиться в эту тему, то ему конечно же стоит читать более профильные источники от более авторитетных авторов.
Автор, Вы написали прекрасную статью, которая коротко, чётко и понятно объясняет принцип работы нейронов.
Точно так же как планетарная модель атома - понятно любому ребенку.
Я прочитал комментарии выше, идиоты любят высказывать претензии на пустом месте, чтобы показать себя умниками, они не понимают что цель простого объяснения не совпадает с целью профессионального погружения.
Пожалуйста пишите ещё!
Нейросеть с нуля своими руками. Часть 1. Теория