Введение в AI и полезные ссылки
Использовать традиционный алгоритмический подход для приложений с искусственным интеллектом уже стало не модно. Что приходит на смену? Как не зная алгоритм, а просто имея данные и ответ, получить из них алгоритм? Альтернатива традиционному алгоритмическому подходу – нейронная сеть, которую можно обучать предсказывать результат по выборке для обучения.
Данные делятся на тренировочную выборку (train) и тестовую (test). Для тренировочной части известно значение целевой переменной (target), для тестовой — нет. Задача — создать модель, которая, будучи обучена на тренировочной части данных, выдаст максимально точный результат на тестовой.
Простейшие нейронные сети на Python в Visual Studio
Из этой статьи вы узнаете, как написать простую нейросеть на Python в среде Visual Studio.
Обнаружение лица и выделение характерных точек
Программные коды из этой статьи лежат в основе примеров задач для машинного обучения (см. ниже).
Машинное обучение распознавать поворот лица
Адекватность и оптимальность нейронной сети на примере распознавания поворота головы
Первое, что может спросить у вас заказчик программного продукта: «В каких рамках могу я доверять вашей модели нейронной сети (НС) и на сколько она оптимальна?».
Модель адекватна. Сходимость результатов обучения к одному значению (или к очень близкому) — необходимое условие того, что между выходными и входными данными есть какой-то закон, который реализуется нейронной сетью. Достаточное условие адекватности модели — предсказуемость результатов в интервале всего множества данных, включая и те, которые не участвовали в обучении.
Модель оптимальна. При условии получения адекватных результатов оптимальность НС определяется простотой архитектуры, минимальной достаточностью количества циклов обучения и как следствие — минимальным объемом необходимых вычислений. Важна сложность, но задачи, а не сети. Важна точность решения этой задачи. Важно быстродействие.
Face recognition. Python, DLIB
Изображение каждого лица обрабатывается уже обученной сверточной нейронной сетью
Как работает сверточная нейронная сеть: архитектура, примеры, особенности
How to Classify Photos of Dogs and Cats
В этой статье изложена поэтапная разработка глубокой сверточной нейронной сети для классификации фотографий собак и кошек
Решение задачи с алгоритмическим подходом и при помощи нейросети
Сравнивая 2 подхода к решению одной и той же задачи (распознавание фруктов и овощей) можете оценить, какой подход лучше.
