Слайд 2План
Примеры применения нейросетей;
Биологический и искусственный нейрон;
Разновидности нейросетей;
Разбор простейшей нейросети.
![План Примеры применения нейросетей; Биологический и искусственный нейрон; Разновидности нейросетей; Разбор простейшей нейросети.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-1.jpg)
Слайд 3Примеры применения
Приложения по улучшению/изменению фотографии: FaceApp, Meitu и другие;
Ретушь изображения (Neural Filters)
![Примеры применения Приложения по улучшению/изменению фотографии: FaceApp, Meitu и другие; Ретушь изображения](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-2.jpg)
– Adobe Photoshop начиная с версий 2021 года;
Генерация изображений: объекты, лица, котики…
Генерация видео – алгоритмы компании NVIDIA;
Распознавание образов: Tesla и иные беспилотные авто; система опознавания лиц;
Анализ «больших данных» BigData: финансовые, научные и иные данные
Анализ звуковых данных: Алиса, Siri;
Генерация текстов, историй: AI Dungeon, «Порфирьевич» - основанные на нейросети GPT-2 (generative pre-training);
Генерация мелодий, голоса
Все ссылки в конце презентации.
Слайд 4Биологический нейрон
Дендриты – отвечают за получение сигналов возбуждения и торможения к нейрону.
![Биологический нейрон Дендриты – отвечают за получение сигналов возбуждения и торможения к](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-3.jpg)
Аксон – передаёт информацию от одного нейрона к другому
Терминаль – синаптическое окончание, контактирующее с другой клеткой(мишенью). Образует синапс.
Слайд 5Искусственный нейрон
(персептрон)
0…1
…
Предложен Фрэнком Розенблаттом в 1957 году
![Искусственный нейрон (персептрон) 0…1 … Предложен Фрэнком Розенблаттом в 1957 году](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-4.jpg)
Слайд 6Искусственный нейрон
(персептрон)
0…1
…
![Искусственный нейрон (персептрон) 0…1 …](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-5.jpg)
Слайд 7Искусственный нейрон
(персептрон)
![Искусственный нейрон (персептрон)](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-6.jpg)
Слайд 8Виды искусственных нейронных сетей
(ИНС)
Нейросети прямого распространения;
Рекуррентные ИНС (RNN);
LSTM;
GRU.
Сеть Хопфилда;
Свёрточные ИНС (CNN
![Виды искусственных нейронных сетей (ИНС) Нейросети прямого распространения; Рекуррентные ИНС (RNN); LSTM;](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-7.jpg)
и DCNN).
Развёрточные ИНС (DN)
Входной слой
Выходной слой
«Скрытые» слои
Задержка
Слайд 9Пример простой ИНС – ИНС с бинарным выходом
![Пример простой ИНС – ИНС с бинарным выходом](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-8.jpg)
Слайд 10Важный предмет
Плохая погода
Друг идёт
![Важный предмет Плохая погода Друг идёт](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-9.jpg)
Слайд 11Важный предмет
Плохая погода
Друг идёт
![Важный предмет Плохая погода Друг идёт](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-10.jpg)
Слайд 12
Важный предмет
Плохая погода
Друг идёт
![Важный предмет Плохая погода Друг идёт](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-11.jpg)
Слайд 13Важный предмет
Плохая погода
Друг идёт
1
1
0
![Важный предмет Плохая погода Друг идёт 1 1 0](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-12.jpg)
Слайд 14Обучение нейросети.
Метод обратного распространения ошибки
Важный предмет
Плохая погода
Друг идёт
1
1
0
![Обучение нейросети. Метод обратного распространения ошибки Важный предмет Плохая погода Друг идёт 1 1 0](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-13.jpg)
Слайд 15Обучение нейросети.
Метод обратного распространения ошибки.
Задача обучения нейросети – нахождение таких
![Обучение нейросети. Метод обратного распространения ошибки. Задача обучения нейросети – нахождение таких](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-14.jpg)
значений весов, при которых
функция стоимости ошибки принимает минимальное значение.
Слайд 16Обучение нейросети. Вычисление градиента
![Обучение нейросети. Вычисление градиента](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-15.jpg)
Слайд 17Обучение нейросети. Вычисление градиента
![Обучение нейросети. Вычисление градиента](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-16.jpg)
Слайд 18Обучение нейросети. Вычисление градиента
![Обучение нейросети. Вычисление градиента](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-17.jpg)
Слайд 20
Важный предмет
Плохая погода
Друг идёт
1
1
0
![Важный предмет Плохая погода Друг идёт 1 1 0](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-19.jpg)
Слайд 21Ещё раз повторим алгоритм
Размечаем произвольные значения веса на всех слоях, а так
![Ещё раз повторим алгоритм Размечаем произвольные значения веса на всех слоях, а](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-20.jpg)
же значения на входных нейронах;
Вычисляем значения активации нейронов на скрытых слоях по формуле (1);
Вычисляем значение активации на выходном нейроне;
Сравниваем с ожидаемым значением;
Если значение близко к ожидаемому, то меняем значения на входных нейронов и идём к шагу 2 (без изменения весов);
Если нет, то идём на шаг 5.
Считаем функцию ошибки по формуле (2);
Используем метод обратного распространения ошибки (формулы 3 и 4) и записываем новые значения для весов;
Возвращаемся на шаг 2.
Слайд 22Формулы
Дальше тоже есть формулы!
![Формулы Дальше тоже есть формулы!](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-21.jpg)
Слайд 24Ссылки на нейронки
Генерируем котиков: https://thiscatdoesnotexist.com/
Генерируем истории (на русском): https://porfirevich.ru/
Генератор приключений (англ.): https://play.aidungeon.io/
Умные
![Ссылки на нейронки Генерируем котиков: https://thiscatdoesnotexist.com/ Генерируем истории (на русском): https://porfirevich.ru/ Генератор](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-23.jpg)
фильтры фотошопа: https://helpx.adobe.com/ru/photoshop/using/neural-filters.html
Слайд 25В следующих сериях…
(на практической)
1. Реализация простой нейросети на Python;
2. Задача распознавания рукописных
![В следующих сериях… (на практической) 1. Реализация простой нейросети на Python; 2.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-24.jpg)
цифр или «Hello, world!» от области ИНС.
Слайд 26Распознавание рукописного текста
Изображение 28х28 пикселя = 784 нейронов на входном слое;
Один скрытый
![Распознавание рукописного текста Изображение 28х28 пикселя = 784 нейронов на входном слое;](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-25.jpg)
слой с произвольным N количеством нейронов;
Выходной слой с M=10 нейронами на каждую цифру от 0 до 9.
Слайд 27784 нейрона
Функция активации нейрона
![784 нейрона Функция активации нейрона](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/939051/slide-26.jpg)