Извините, я упрощаю, но я хочу немного рассеять туман. Простая нейронная сеть — это способ аппроксимации функции, назовем ее f, от (обычно) R^n (реального векторного пространства размерности n) до R^m и тому подобного. Предположим, что m=1. Вместо поиска полинома P(x_1,..,x_n), аппроксимирующего вашу функцию на основе набора выборок (p,f(p)), вы пытаетесь найти параметры a_i, b_ij в чем-то вроде s(a_1*s( b_11*x_1+b_n1*x_n)+...+a_t*s(b_1t*x_1+b_nt*x_n)) где s - это, например, "сигмовидная" функция, так что эта странная функция хорошо соответствует вашим образцам.
Мотивация предположительно биологическая. «Алгоритм обучения» состоит из последовательной корректировки значений a_i, b_ij, указанных выше, так, чтобы значения результирующей функции в точках выборки p приближались «в среднем» к f(p) посредством некоторого варианта наискорейшего спуска, который, утверждается, в некоторых случаях ведет себя хорошо. В 90-х годах НС была окружена большим ажиотажем, но, учитывая ее реальную цель, состоящую в том, чтобы аппроксимировать неизвестную функцию на основе ее образцов (вопреки разрекламированной цели, которая заключалась в том, чтобы «имитировать человеческий мозг» или что-то в этом роде) , для той же области было предложено много других аппроксимационных схем — например, SVM («машины опорных векторов»), которые имеют более привлекательное обоснование (часто также вводящее в заблуждение, после того, как вы увидите черную магию поиска «правильного ядра» для работу в научных статьях).
Однако дело в том, что пока вы выбираете правильные «функции» для работы (т. е. находите хороший способ перевести свои музыкальные сэмплы в точки в 100-мерном, скажем, векторном пространстве), так что точки жанра X будут лежать «близко» к другим точкам жанра X, а точки жанра Y будут лежать «близко» к точкам жанра Y, а точки жанра X будут лежать далеко от точек жанра Y, можно использовать NN, SVM, деревья решений или что-то еще, что вам нравится, чтобы разделить жанры (хотя точность и эффективность могут различаться). Дело в том, чтобы найти правильный набор функций — по крайней мере, если мы понимаем ИИ в этом смысле (но если бы это был единственный смысл, я думаю, что IBM Watson был бы невозможен..)
person
John Donn
schedule
08.11.2011