Comments 17
2. Быстро читаем, когда добираемся до примера, скачиваем питон и TensorFlow, набираем пример, смотрим как работает.
3.…
4. Профит!
Не менее наглядно, но подробнее в книге Тарика Рашида "Создаём нейронную сеть", рекомендую. В качестве финального примера там сеть, распознающая рукописные цифры, с кодом на Питоне.
Мы обучили находить кнопку (3), но если же после обучения. я сменю кнопку на (2), мне придется переучивать нейросеть. так?
Пока что я не понимаю как это работает :-(
Как это я себе понимаю, если у нейросети спросить "Если я нажму кнопку A, то получу я ужин или нет, то она ответит да только в случае, если это кнопка 3". Если кнопка с ужином будет временами меняться, то как я понимаю у разных кнопок будут разные веса и нейросеть просто будет временами отвечать по разному в зависимости от того, как часто меняется кнопка.
Ну, в реальной жизни так же. Вы знаете, что 3 кнопка отдает еду. И вдруг она перестала работать, вам придется снова перенажимать все кнопки, что бы понять, где теперь новая кнопка, дающая еду.
Если увеличить learningRate
до 1, то нейросеть будет запоминать это с первой попытки.
Нажимали 3 кнопку >
Получала еду >
Кнопку поменяли >
Перенажимали все кнопки, пока не нашли новую >
Нажимаем теперь ее
function learn(inputVector, weightVector) {
weightVector.forEach(function(weight, index, weights) {
if (inputVector[index] > 0) {
weights[index] = weight + learningRate;
}
});
}
где не ясно откуда берется learningRate. Появляются термин вектора веса активного нейрона и понеслось. Конечно, можно пройти по ссылке и попробовать разобраться в JS-ах, но со стороны автора не красиво разжевывать тему на картинках, а потом внезапно кидать в код
Создаём простую нейросеть