Uczenie maszynowe - sztuczne sieci neuronowe

Idea sztucznych sieci neuronowych wywodzi się z sieci neuronowych w ludzkim mózgu. Ludzki mózg jest naprawdę złożony. Dokładnie badając mózg, naukowcy i inżynierowie opracowali architekturę, która mogłaby pasować do naszego cyfrowego świata komputerów binarnych. Jedną z takich typowych architektur pokazano na poniższym schemacie -

Istnieje warstwa wejściowa, która ma wiele czujników do zbierania danych ze świata zewnętrznego. Po prawej stronie mamy warstwę wyjściową, która daje nam wynik przewidywany przez sieć. Między tymi dwoma warstwami jest ukrytych. Każda dodatkowa warstwa dodatkowo komplikuje szkolenie sieci, ale zapewnia lepsze wyniki w większości sytuacji. Zaprojektowano kilka typów architektur, które teraz omówimy.

ANN Architectures

Poniższy diagram przedstawia kilka architektur ANN opracowanych w pewnym okresie i obecnie stosowanych w praktyce.

Źródło:

https://towardsdatascience.com/the-mostly-complete-chart-of-neural-networks-explained-3fb6f2367464

Każda architektura jest opracowywana pod kątem określonego typu aplikacji. Tak więc, kiedy używasz sieci neuronowej do aplikacji uczenia maszynowego, będziesz musiał użyć jednej z istniejących architektur lub zaprojektować własną. Rodzaj aplikacji, na który ostatecznie zdecydujesz się, zależy od Twoich potrzeb. Nie ma jednej wskazówki, która mówi, że należy używać określonej architektury sieci.