допустим есть входной вектор из 64 значений и каждое может иметь 2 состояния 1 и 0
и есть массив данных для обучения 1 млн входных векторов.

Далее если мы возьмем какое-то значение из множества 2^64, то вероятность попадания в выборку которая использовалась для обучения ничтожно мала
и здравый смысл говорит ( субъективно ) что в этом случае будут с большой вероятностью 99.999% неверные результаты,

Каким образом в существующих нейронных сетях обеспечивается точность результата и как определяется необходимое количество данных для обучения ?

O>Каким образом в существующих нейронных сетях обеспечивается точность результата и как определяется необходимое количество данных для обучения ?
Это отдельная научная работа.
Насколько знаю, пока чисто эмпирически определяется.

Здравствуйте, okon, Вы писали:

O>Далее если мы возьмем какое-то значение из множества 2^64, то вероятность попадания в выборку которая использовалась для обучения ничтожно мала
O>и здравый смысл говорит ( субъективно ) что в этом случае будут с большой вероятностью 99.999% неверные результаты,

Нейронная сеть вычленяет и запоминает повторяющиеся частички входных векторов. И попытается обнаружить эти части в новом векторе, который она никогда не видела.
Конечно, если сеть обучалась на случайных векторах, то она ничему не научится.

Здравствуйте, okon, Вы писали:

O>допустим есть входной вектор из 64 значений и каждое может иметь 2 состояния 1 и 0
O>и есть массив данных для обучения 1 млн входных векторов.
O>Далее если мы возьмем какое-то значение из множества 2^64, то вероятность попадания в выборку которая использовалась для обучения ничтожно мала
O>и здравый смысл говорит ( субъективно ) что в этом случае будут с большой вероятностью 99.999% неверные результаты,
O>Каким образом в существующих нейронных сетях обеспечивается точность результата и как определяется необходимое количество данных для обучения ?

Обучение происходит для предсказания, не так ли? А предсказание возможно только в том случае, если существует прямая корреляция между исходными данными и целевым значением. Т.е. у нас в любом случае там не случайные значения, а какая-то (пусть и не известная изначально) математическая функция нескольких переменных (хотя в твоём случае бинарных значений, её можно свести вообще к одной переменной). И именно эту функцию и пытается подобрать нейронная сеть, основываясь на нескольких известных парах значений этой функции. Собственно практически всё современное "машинное обучение" — это просто ещё одна разновидность аппроксимации функций, а вовсе не какой-то хитрый ИИ.