Посилене навчання
Метод «батога і пряника». Може використовуватися, якщо нейронна мережа генерує безперервне дію. З часом мережа навчається віддавати перевагу правильні дії і уникати неправильних.
Добре, тепер ми небагато знаємо про природу штучних нейронних мереж, але з чого вони зроблені? Що ми побачимо, якщо відкриємо кришку і заглянемо всередину?
Нейрони – будівельні блоки нейронних мереж. Основним компонентом будь-якої штучної нейронної мережі є штучний нейрон. Вони не тільки названі на честь своїх біологічних аналогів, але і змодельовані за поведінкою нейронів у нашому мозку.
Біологія проти технологій
Точно так само як у біологічного нейрона є дендрити для прийому сигналів, тіло клітини для їх обробки і аксон для надсилання сигналів іншим нейронам, штучний нейрон має кілька вхідних каналів, стадію обробки і один вихід, який може розгалужуватися до безлічі інших штучних нейронів.
Чи можемо ми зробити щось корисне з одним персептроном? Існує клас проблем, які може вирішити один персептрон. Розглянемо вхідний вектор як координати точки. Для вектора з n-елементами ця точка буде жити в n-мірному просторі. Щоб спростити життя (і наведений нижче код), давайте припустимо, що вона двовимірна. Як аркуш паперу.
Далі уявімо, що ми малюємо кілька випадкових точок на площині і розділяємо їх на два набору, малюючи пряму лінію через папір. Ця лінія ділить точки на два ряди, один над і інший під лінією. Два набору потім називаються лінійно разделимыми.
Один перцептрон, яким би простим він не здавався, здатний дізнатися, де знаходиться ця лінія, і коли він закінчить навчання, він може визначити, чи знаходиться дана точка вище або нижче цієї лінії.