| 
|
Нейросети в Data Mining
Некоторые типы нейронных сетей, используемые в Data Mining:Полносвязные сети — каждый нейрон связан со всеми нейронами предыдущего слоя. Используются для табличных данных и простых задач классификации или регрессии. Однако при большом числе признаков такие сети становятся громоздкими и склонными к переобучению.
Свёрточные нейронные сети (CNN — Convolutional Neural Networks) — предназначены для анализа изображений и пространственных данных. Используют свёртки — фильтры, которые выделяют важные признаки (края, формы, текстуры).
Рекуррентные нейронные сети (RNN — Recurrent Neural Networks) — разработаны для работы с последовательными данными — текстами, временными рядами, аудио. Сохраняют контекст предыдущих состояний через обратные связи, что позволяет учитывать порядок элементов.
Нейронные сети могут обучаться с учителем или без него:
При обучении с учителем для каждого обучающего входного примера требуется знание правильного ответа или функции оценки качества ответа. Нейронной сети предъявляются значения входных и выходных сигналов, а она по определённому алгоритму подстраивает веса синаптических связей. В процессе обучения веса сети корректируются по результатам сравнения фактических выходных значений с входными, известными заранее.
При обучении без учителя раскрывается внутренняя структура данных или корреляции между образцами в наборе данных. Выходы нейронной сети формируются самостоятельно, а веса изменяются по алгоритму, учитывающему только входные и производные от них сигналы. Это обучение называют также неуправляемым.