Úvod
hluboké učení je pokročilá forma strojového učení, která se snaží emulovat způsob, jakým se lidský mozek učí.
Ve vašem mozku máte nervové buňky označované jako neurony, které jsou vzájemně propojeny pomocí nervových rozšíření, které procházejí elektrochemickými signály přes síť.
Když je první neuron v síti podnícený, vstupní signál se zpracuje a pokud překročí určitou prahovou hodnotu, neuron je aktivován a předává signál do neuronů, ke kterým je připojen. Tyto neurony mohou být aktivovány a předávat signál přes zbytek sítě. V průběhu času jsou spojení mezi neurony posílena častým použitím, když se naučíte efektivně reagovat. Pokud například někdo zahodí míč k vám, vaše neuronová spojení vám umožní zpracovat vizuální informace a koordinovat pohyby, aby zachytil míč. Pokud tuto akci provádíte opakovaně, síť neuronů zapojených do zachycení míče bude silnější, jak se naučíte, jak být lepší při zachycení míče.
Hluboké učení emuluje tento biologický proces pomocí umělých neurálních sítí, které zpracovávají číselné vstupy místo elektrochemických podnětů.
Příchozí nervová spojení jsou nahrazena číselnými vstupy, které jsou obvykle identifikovány jako x. Pokud existuje více než jedna vstupní hodnota, x se považuje za vektor s prvky pojmenovanými x1, x2atd.
S každou x hodnotou je spojena váha (w), která se používá k posílení nebo oslabení účinku x hodnoty pro simulaci procesu učení. Navíc je přidán vstup (b), který umožňuje jemné řízení sítě. Během trénování se hodnoty w a b upraví tak, aby vyladily síť tak, aby se "učí" a vytvářely správné výstupy.
Neuron zapouzdřuje funkci, která počítá vážený součet x, wa b. Tato funkce je zase uzavřena v aktivační funkce, která omezuje výsledek (často na hodnotu mezi 0 a 1), aby určil, zda neuron předává výstup do další vrstvy neuronů v síti.