Государственное бюджетное образовательное учреждение лицей №150 Калининского района Санкт-Петербурга

“Создание искусственного интеллекта”

предметная область: информатика

Тикунов Илья

ученик 10 Б класса

ГБОУ лицей №150

Руководитель:

учитель информатики ГБОУ лицея №150

Санкт-Петербург

2024г

Паспорт проекта

Тема: “Создание искусственного интеллекта”

Тип: исследовательский

Куратор: Мохов Дмитрий Васильевич

Цель: К апрелю сделать видео с работой созданной нейронной сети

Задачи:

1. Изучить материалы, как написать программу
2. Сделать программу
3. Сделать видео

Проблема: Возможно ли создать нейронную сеть ученику 10 класса?

Противоречие: В настоящее время нейросети набирают популярность и постепенно становятся частью жизни людей.

Дорожная карта

SWOT - Анализ

Актуальность: С каждым днëм всë популярнее становятся нейросети для оптимизациих, ускорения процессов.

Теоретическая часть:

Что такое нейронная сеть?

Нейронная сеть представляет собой сложную систему, основанную на модели биологических нейронных сетей. Она состоит из набора нейронов, соединенных синапсами, что обеспечивает передачу и обработку информации. Каждый синапс обладает весом, определяющим степень влияния передаваемой информации на следующий нейрон. Эта важная особенность позволяет нейронной сети анализировать и обрабатывать входящие сигналы.

Что такое веса?

Веса в нейронной сети представляют собой параметры, определяющие влияние входной информации на работу системы. Они присваиваются каждому синапсу и определяют степень важности передаваемых данных для следующего нейрона. Матрица весов нейронной сети является своего рода "мозгом" системы, где веса обрабатывают входную информацию, превращая ее в результат.

Что такое синапс?

Синапс представляет собой связь между двумя нейронами в нейронной сети. Он обеспечивает передачу информации от одного нейрона к другому. У каждого синапса есть вес, который определяет, насколько сильно передаваемая информация влияет на работу следующего нейрона. Это важное свойство позволяет нейронной сети анализировать и обрабатывать сложные сигналы.

Как работает нейросеть?

Нейронная сеть функционирует путем передачи информации от входных нейронов к выходным через различные слои с применением функций активации. Веса синапсов определяют, какие входные данные будут доминирующими для следующего нейрона, что позволяет сети адаптироваться к различным сценариям и решать сложные задачи. Тренировка нейронной сети заключается в подстройке весов синапсов для достижения оптимальных результатов в решении поставленных задач.

Функция активации

Функция активации применяется к выходным данным каждого нейрона, чтобы ограничить их диапазон значений. Она обеспечивает нелинейность в работе нейронной сети и позволяет ей адаптироваться к сложным сценариям и распознавать сложные образы и закономерности в данных. Различные функции активации могут иметь разные диапазоны значений и применяются в зависимости от поставленной задачи и структуры сети.

Эпоха

Эпоха в нейронных сетях представляет собой один проход по всем тренировочным данным. После каждой эпохи происходит обновление весов синапсов сети на основе полученных результатов и заданной функции потерь. Увеличение числа эпох может улучшить качество обучения сети и повысить ее производительность.

Виды функций активации

Функция активации - это способ нормализации выходных данных нейрона, который определяет его активацию или "включение". Существует несколько видов функций активации, используемых в нейронных сетях в зависимости от поставленной задачи и требований к выходным данным. Основные виды функций активации включают в себя:

Линейная функция: обычно используется в случаях, когда требуется просто передать значение без изменений.

Сигмоидальная функция (логистическая): самая распространенная функция активации, обеспечивающая выходные данные в диапазоне [0, 1]. Она широко применяется в задачах бинарной классификации.

Гиперболический тангенс: функция активации, которая обеспечивает выходные данные в диапазоне [-1, 1]. Она используется, когда значения выходных данных могут быть как положительными, так и отрицательными.

Итерация: итерация в нейронных сетях представляет собой процесс одного прохода через один тренировочный набор данных. Увеличение числа итераций улучшает обучение сети и способствует достижению оптимальных весов для задачи. Важно понимать разницу между итерацией и эпохой: итерация - это один проход через один набор данных, в то время как эпоха - это один проход через все наборы данных в обучающем наборе.

Что такое перцептрон?

Перцептрон - это простейший вид нейронной сети, состоящий из одного или нескольких нейронов, взаимодействующих между собой. Он представляет собой модель биологического нейрона и используется для решения простых задач классификации. Каждый нейрон в перцептроне принимает входные сигналы, умножает их на соответствующие веса и передает результат через функцию активации для получения выходного сигнала.

Структура перцептрона

Перцептрон состоит из входного слоя, содержащего входные нейроны, и выходного слоя, содержащего выходные нейроны. Между ними может быть один или несколько скрытых слоев, в которых происходит обработка входных данных перед передачей их на выходной слой. Каждый нейрон в перцептроне связан с нейронами предыдущего и следующего слоев через веса, определяющие степень влияния входных сигналов на результат.

Работа перцептрона

Процесс работы перцептрона начинается с передачи входных сигналов на входной слой, где они умножаются на соответствующие веса и передаются на следующий слой. В скрытых слоях происходит обработка данных с использованием функций активации, а затем выходные данные передаются на выходной слой для получения окончательного результата. После получения выходных данных перцептрон может корректировать свои веса в процессе обучения с целью улучшения результатов.

Применение перцептрона

Перцептроны находят применение в различных областях, таких как классификация данных, распознавание образов и прогнозирование. Они широко используются в задачах машинного обучения и искусственного интеллекта благодаря своей простой структуре и способности к обучению на основе предоставленных данных.

Продукт проекта:

брошюра

Код созданной нейросети:

Вывод:

В ходе проделанной работы, были изучены основы нейросетей и программирования, создана нейросеть, задачи были выполнены, был создан продукт - брошюра с пояснением, как написать простейшую нейросеть.

Список литературы

Наглядное введение в нейросети на примере распознавания цифр -

- НЕЙРОСЕТЬ своими руками за 10 минут на Python

- Твоя ПЕРВАЯ НЕЙРОСЕТЬ на Python с нуля! | За 10 минут

- Нейросеть с нуля своими руками. Часть 1. Теория

- [DeepLearning | видео 1] Что же такое нейронная сеть?

- [DeepLearning | видео 2] Градиентный спуск: как учатся нейронные сети

- [DeepLearning | видео 3] В чем на самом деле заключается метод обратного распространения?

- [DeepLearning | видео 4] Формулы обратного распространения