Descripción no matemática de redes neuronales
https://stackoverflow.com/questions/312627
-
10-07-2019 - |
italiano
english
français
española
中国
日本の
العربية
Deutsch
한국어
Português
RussianPregunta
No soy matemático. Disfruto de un buen acertijo matemático, pero admito mis debilidades de todo corazón. Dicho esto, siempre me han interesado las redes neuronales, y aunque las entiendo lo suficiente como para implementarlas desde cero, me encuentro con un muro cuando necesito entender cualquier concepto para el que solo puedo encontrar pruebas matemáticas. ¿Dónde está la guía del programador para redes neuronales, usando código en lugar de fórmula para explicar los razonamientos prácticos?
Solución
Otra alternativa es una explicación no matemática, no programada. El libro Blondie24: Playing at the Edge of AI contiene una muy buena explicación de neuronal redes. Se trata de una IA que juega a las damas desarrollada por el autor. No es completamente sin referencias de programación, pero hace un gran trabajo al explicar cómo funcionan los algoritmos sin entrar en el código de la solución.
Otros consejos
Desafortunadamente, no sé si hay una buena "fuente de programadores" eso te dará todos los conceptos. Me gustaron Sistemas neuronales y adaptativos: fundamentos a través de simulaciones .
La mejor manera de tener la comprensión del programador de las redes neuronales no es tanto al examinar el código, sino en el problema y los resultados correctos. Entonces, si no quieres ver las matemáticas, te recomiendo que veas un problema dado. Por ejemplo, considere el problema XOR como un ejemplo de por qué necesita funciones de activación no lineales, observe el número de variables y sus posibles valores para comprender por qué una red neuronal debe ser de cierto tamaño y topología para ser efectiva, y divida sus datos en regímenes de entrenamiento / prueba y haga estudios para ver por qué el sobreajuste es peligroso. Examine el código con los datos.
También recomiendo no obsesionarse demasiado, sino leer más. Ciertas prácticas en redes de retroalimentación se vuelven más claras una vez que ve su generalización en redes neuronales recurrentes y constructivas. También recomiendo ir más allá: las redes bayesianas, los mapas cognitivos difusos, SOM, las máquinas de Boltzman, el recocido simulado y el aprendizaje por refuerzo tienen intuiciones.
¿Esto va hacia responder tu pregunta?
Necesita un poco de comprensión en Pascal o Delphi, pero esta descripción general de ThinkQuest es bastante útil desde el punto de vista de la programación. También explica algunas de las dificultades y por qué las matemáticas parecen un poco intimidantes. (Yo tampoco soy matemático).
Estaba bastante interesado en este tipo de cosas hace un tiempo (todavía lo estoy en su mayor parte) y en la búsqueda de algunos recorridos que puedo seguir con bastante rapidez.
Espero que al menos ayude un poco.
Yo personalmente he usado:
Recetas prácticas de redes neuronales en C ++
El autor en mi opinión no utiliza completamente la funcionalidad más poderosa de C ++, en muchos casos se lee más como C tradicional con clases. El libro también está un poco anticuado por ahora.
SIN EMBARGO - si necesita explicaciones de los algoritmos y técnicas utilizados en las redes neuronales, explicado de una manera que un laico inteligente pueda entender, para que pueda irse y probar estas cosas por sí mismo, entonces ciertamente le daría este libro un intento. Aquí no se observa mucho el ombligo, que es lo que me gustó.
Le lleva a través de todas las cosas principales necesarias para programar una red neuronal: cómo comparar la salida real con la deseada para obtener una señal de error, y luego usar esta señal de error junto con algoritmos de propagación inversa para modificar el fortalezas de conexión de enlace de red, haciendo esto iterativamente para que gradualmente la red neuronal 'aprenda' la tarea.
Hice un artículo con casi exactamente este título. El artículo describe cómo se representan los datos en una red neuronal, así como otros métodos de aprendizaje automático, como las máquinas de vectores de soporte.
http://www.heatonresearch.com/content/ introducción no matemática utilizando redes neuronales
