Как нейросеть работает с информацией
Прежде чем запустить нейросеть в работу, важно разобраться с тем, по каким принципам она будет работать и в каком формате хранить информацию. Также крайне полезно провести «специализацию» сети, чтобы она как можно более качественно выполняла конкретные задачи.
Как этого достичь и о чём не забыть?
Получение информации
В отношении источника информации существует два варианта.
- Априорная информация – та, которая не подвергается сомнению и задаётся для сети изначально.
- Данные измерений и сенсоров. Такие данные нейросеть получает через специальные датчики, при этом важно понимать, что любые датчики могут давать искажения, либо вместе с нужной и полезной информацией в нейросеть поступят «шумы», которые такая сеть в идеале должна отфильтровывать.
Обучение и тестирование
Это один из главных этапов при работе с нейросетью. Тестирование означает проверку работоспособности сети на уже известных данных. Например, на «вход» подают буквы, цифры или геометрические фигуры – а на «выходе» нейросеть должна установить, какой именно объект был подан, и передать его суть знаком или словом.
При этом полезно изначально продумывать способ ввода информации. Например, если это изображение, то количество входных нейронов должно быть равно количеству пикселей.
После того как система показывает более-менее правильные результаты на обучающих данных, можно приступать к её рабочему использованию. Опыт показывает, что если систему «дообучить» до нужного уровня, то процент ошибок станет минимальным, и нейросеть не станет путать цифры 4 и 7, круг и овал.
В то же время, если её «переобучить», то каждая малейшая деталь в начертании цифры, приведёт к тому, что она будет выделена в отдельный вид, что нежелательно. Выбрать оптимальную глубину обучения – одна из главных задач оптимизатора нейросети.
Чувствительность и ложные сигналы
Трейдерам эти понятия знакомы по индикаторам: чем они чувствительнее, тем больше ложных сигналов дают, а менее чувствительные их пропускают. Совершенно то же самое и с нейросетями. Такая сеть должна распознавать «шумы», но при этом не принимать за шумы истинный сигнал. Обучение этому тоже крайне важно, чтобы результат работы нейросети впоследствии мог считаться успешным.
Если нейросеть специализирована, то есть специально построена для выполнения конкретных задач анализа, то её точность значительно повышается, а стоимость снижается.
