Обсуждение статьи "Нейронная сеть на практике: Перцептрон"

[MetaQuotes]

Опубликована статья Нейронная сеть на практике: Перцептрон:

В этой статье перцептрон представлен как основа нейронной сети, а также подробно описана его реализация на MQL5. Мы объясним, что такое функции активации и их производные, в чём разница между прямым распространением и обратным распространением, а также как используется функция потерь наименьших квадратов и градиент. Вы научитесь обучать веса и смещения, проверять результат с помощью тестовых скриптов и настраивать скорость обучения для достижения стабильной сходимости.

Хотя разбить этот материал на части — задача не из простых, поскольку речь идёт о теме, требующей знакомства с огромным количеством элементов и понятий, многие из которых совершенно абстрактны, а другие довольно сложны из-за использования одних и тех же терминов в разных контекстах, я постарался изложить материал как можно более понятно.

Среди этих понятий можно выделить термины «обратное распространение» (BACK PROPAGATION) и «прямое распространение» (FORWARD PROPAGATION), которые, как правило, используются без разбора, без надлежащего объяснения их значения. Чтобы правильно понять всё, что происходит в коде сети перцептронов, нам нужно понять, как появились эти концепции.

Пока мы не будем вдаваться в некоторые детали. Однако нам необходимо понять, как появился термин «нейронная сеть». Для этого нам нужно понять её основу, известную как перцептрон, — именно он и является основной темой этой статьи.

Автор: Daniel Jose