User Tools
Site Tools
neuronove_site_modely_neuronu_topologie_siti_metoda_backpropagation
Differences
This shows you the differences between two versions of the page.
| Both sides previous revision Previous revision Next revision | Previous revision | ||
|
neuronove_site_modely_neuronu_topologie_siti_metoda_backpropagation [2017/01/02 19:18] efox |
neuronove_site_modely_neuronu_topologie_siti_metoda_backpropagation [2017/01/02 19:21] (current) efox |
||
|---|---|---|---|
| Line 1: | Line 1: | ||
| ====== neuronová síť ====== | ====== neuronová síť ====== | ||
| [[https:// | [[https:// | ||
| + | |||
| Jsou dva druhy umělé inteligence - silná a slabá. Tou slabou se zabýváme my, silná umělá inteligence je spíše zatím scifi, protože modeluje mozek jako celek. | Jsou dva druhy umělé inteligence - silná a slabá. Tou slabou se zabýváme my, silná umělá inteligence je spíše zatím scifi, protože modeluje mozek jako celek. | ||
| - | **Učení s učitelem** - ten už to umí a řekne mi, jestli jsem dobře nebo špatně, případně o kolik. Chyba jako funkce, která říká, jak moc se to naše doposud naučené řešení | + | |
| - | **Učení bez učitele** - hledáme odlišnosti | + | Neurony a síť v hlavě, kde každý elektrický výboj (když si mozek posílá informace nebo tak) je jako číslo. A cílem |
| - | **Učení posilováním** | + | |
| * po propojení neuronů mezi sebou vzniká neuronová síť | * po propojení neuronů mezi sebou vzniká neuronová síť | ||
| * její předností je schopnost učit se, tedy zapamatovat si kombinace, které vedly k požadovanému výstupu a u nových vstupů se potom obracet na svoji paměť a na základě zkušeností odhadovat nový výsledek | * její předností je schopnost učit se, tedy zapamatovat si kombinace, které vedly k požadovanému výstupu a u nových vstupů se potom obracet na svoji paměť a na základě zkušeností odhadovat nový výsledek | ||
| Line 16: | Line 17: | ||
| === učení | === učení | ||
| * **učení s učitelem** | * **učení s učitelem** | ||
| + | * ten už to umí a řekne mi, jestli jsem dobře nebo špatně, případně o kolik. Chyba jako funkce, která říká, jak moc se to naše doposud naučené řešení liší od toho ideálního řešení. | ||
| * pro jednotlivé tréninkové vstupy je znám požadovaný výstup a na základě rozdílu (chyby) mezi požadovaným a skutečným výstupem algoritmus provádí korekci vah, čímž dochází k adaptaci sítě | * pro jednotlivé tréninkové vstupy je znám požadovaný výstup a na základě rozdílu (chyby) mezi požadovaným a skutečným výstupem algoritmus provádí korekci vah, čímž dochází k adaptaci sítě | ||
| * **feed-forward-backpropagation** | * **feed-forward-backpropagation** | ||
| Line 23: | Line 25: | ||
| * | * | ||
| * **učení bez učitele** | * **učení bez učitele** | ||
| + | * hledáme odlišnosti (třeba černou ovci) | ||
| * nemá žádné vnější kritérium správnosti a dochází pouze k hledání vzorků se společnými vlastnostmi. | * nemá žádné vnější kritérium správnosti a dochází pouze k hledání vzorků se společnými vlastnostmi. | ||
Permalink neuronove_site_modely_neuronu_topologie_siti_metoda_backpropagation.1483381120.txt.gz · Last modified: 2017/01/02 19:18 by efox
oeffentlich
