Идея этой статьи состоит в том, чтобы помочь интуитивно понять, как скрытые узлы в многоуровневых сетях могут изучать сложные функции для классификации экземпляров в выпуклых областях. Мы увидим две сети с одним скрытым слоем, одну с одним скрытым узлом и другую с двумя скрытыми узлами, а затем мы увидим более сложную сеть с двумя скрытыми слоями, четырьмя узлами в первом слое и двумя узлами во втором слое. . Мы покажем, какие типы наборов данных могут классифицировать эти разные сети.
Один скрытый слой, один узел
Один скрытый слой - два узла
Два слоя: первый уровень, 4 узла, второй уровень, 2 узла
Заключение
В заключение эти иллюстрации показывают, как прогрессирующая сложность скрытых слоев в нейронных сетях может изучать различные функции. Мы видим, как сложные сети могут быть подвержены переобучению и как слишком простые сети неспособны изучать выпуклые функции. Я надеюсь, что эта статья помогла вам понять, как сложенные нейронные блоки изучают функции. Спасибо за прочтение!
CShorten
Коннор Шортен - студент факультета информатики Атлантического университета Флориды. Научные интересы в области компьютерного зрения, глубокого обучения и разработки программного обеспечения.
