JS Lab2017, 25 марта, Одесса Lightning Talks Нейронные сети на Javascript (Алексей Чалый) Все материалы: http://jslab.in.ua/ Организаторы: http://geekslab.org.ua/

1. Нейронные Сети
на Javascript
докладчик: Алексей Чалый
JS Developer в компании 482.solutions

2. Что такое искусственная
нейронная сеть
1
• Искусственная нейронная сеть — это математическая модель, а также её программное воплощение,
построенные по принципу организации и функционирования биологических нейронных сетей.
По версии одной статьи на хабре, нейронные сети — это просто красивое название, которое придумали,
потому что на определение "цепочки операций над матрицами" грант получить куда сложнее.

3. Библиотека numjs
2
Для операций над матрицами можно использовать numjs, которая имеет достаточно большой спектр
возможностей, например, метод dot(), который используется для произведения матриц

4. Применение и особенности
ИН сетей
3
• применяются для решения задач, которые нельзя решить алгоритмически
• программы созданные на основе ИНС предоставляют приближённый ответ
• применяются в Big Data

5. Структура искусственного
нейрона
4
Синаптические
веса
Блок
суммирования
Входные
сигналы
Функция
активации
Выходной
сигнал

6. Структура ИНС
5
Входной слой
Внутренние
слои
Выходной
слой

7. Что из себя представляет
обучение нейронной сети?
6
• в процессе работы нейронной периодически происходит обнуление связей,
которые не используются, в итоге выкристализовывается структура, которая
эффективно работает
• на входы нейрона поступают сигналы -> затем сигналы встречаются с
синаптическими весами, в простейшем случае сигналы просто перемножаются с
весами, веса выставляются рандомно.
• с каждой тренировкой синаптические веса корректируются
• обучение состоит в правильной корректировке весов у каждого
нейрона в сети

8. Обзор библиотеки Brain.js
7
Для тренировки сети используется метод с очевидным названием - train(),
который принимает массив объектов с полями input и output, которые должны находится в диапазоне от
0 до 1.
Вторым аргументом можно передать объект с настройками.
Тренировка будет продолжать до тех пор, пока не будет достигнут макс. порог ошибки или макс.
количество итераций