Здравствуйте, Khimik, Вы писали:

K>Это нейросеть из четырёх слоёв, которая видит картинку размером 28*28 пикселей (784) и на выходе даёт набор из 10 сигналов, каждый из которых соответствует цифре от 0 до 1 (если сигнал есть – значит цифра распозналась).
K>Первый слой имеет 784 элемента (нейрона), второй и третий – 16 нейронов, четвёртый – 10 нейронов.
K>Веса, определяющие переход от первого слоя ко второму, задаются набором из 784*16=12544 “синапсов”. Веса от второго к третьему слою – 16*16=256 “синапсов”. Веса от третьего к последнему слою – 16*10=160 “синапсов”. Суммарно имеем 12960 весов. Обучение нейронной сети заключается в хитрой оптимизации этих 12960 значений до тех пор, пока нейросеть не научится хорошо распознавать цифры. Пока всё правильно?

Более или менее да, но есть ещё активация. А так суперпозиция линейных операторов была бы тоже линейным оператором просто

Попробуй теперь ещё раз прочитать мой длинный пост

Здравствуйте, Khimik, Вы писали:

K>Это нейросеть из четырёх слоёв, которая видит картинку размером 28*28 пикселей (784) и на выходе даёт набор из 10 сигналов, каждый из которых соответствует цифре от 0 до 1 (если сигнал есть – значит цифра распозналась).
K>Первый слой имеет 784 элемента (нейрона), второй и третий – 16 нейронов, четвёртый – 10 нейронов.
K>Веса, определяющие переход от первого слоя ко второму, задаются набором из 784*16=12544 “синапсов”. Веса от второго к третьему слою – 16*16=256 “синапсов”. Веса от третьего к последнему слою – 16*10=160 “синапсов”. Суммарно имеем 12960 весов. Обучение нейронной сети заключается в хитрой оптимизации этих 12960 значений до тех пор, пока нейросеть не научится хорошо распознавать цифры. Пока всё правильно?

Более или менее да, но есть ещё активация. А так суперпозиция линейных операторов была бы тоже линейным оператором просто

Попробуй теперь ещё раз прочитать мой длинный пост (например в конце http://rsdn.org/forum/philosophy/7198783.flat

Автор: Khimik
Дата: 17.07.18

)