Нейросети и машинное обучение - это два разных понятия?

#нейронные_сети #машинное_обучение

Нейросети и машинное обучение - это два разных понятия? Ведь машинное обучение производится
на заранее  подготовленных данных, а для нейросети они вроде бы не нужны - я встпечал
такое определение: Нейросеть - это алгоритм, который спсобен сам уточнять входной параметр.
    

Ответы

Ответ 1

Вы задали слишком философский вопрос. Каждый на него ответит по-своему. Моём мнение
Вы можете узнать ниже.

Сейчас нейросети (НС) воспринимаются многими как панацея. Приведу пример. Если Вы
спросите: "Как можно решить какую-либо задачу, поставленную нечётко?" Например, как
узнать, в какой момент произойдёт отток клиентов в банке, либо же, в какой момент Петечкин
Василий Петрович перестанет платить кредит. Скорее всего Вас отошлют к нейросетям и
скажут: а возьмите-ка ваши данные подайте на вход нейронной сети и будет Вам счастье.
Этот подход имеет место быть и он неплох, особенно, когда следует получить быстрый
результат в условиях ограниченного времени. Скорее всего Вы получите приемлемое качество
при наличии небольшой сноровки работы с НС. 

Но вот на вопрос, что можно использовать помимо НС, скорее всего Вы получите в ответ
задумчивое молчание. После чего, вероятно, человек выпалит фразу, в которой будет фигурировать
слово "регрессия" или "метод главных компонент". Да, всё это прекрасные методы, но
часто люди ими и ограничиваются.

Многие модели эквивалетны друг другу. Так, регрессию можно представить нейросетью,
а нейросеть регрессией. И ничего здесь странного нет. Также и с другими методами.

Что касается панацеи. То сейчас забывают о многих чудесных вещах. Например, о дифференциальных
уравнениях, которые могут очень неплохо описывать разного класса задачи. О теории групп,
посредствам которой можно очень здорово упрощать всеми любимые НС и повышать качество
так называемого обучения, которое явлется решением оптимизационной задачи.Что касается
НС, то всё это сводит к введению целевой функции, которую следует оптимизировать.

Отвечая на Ваш вопрос про машинное обучение и НС. Машинное обучение -- это набор
математических методов прикладной математики, которые, в большинстве  своём проходят
в курсах высшей школы (численные методы, методы оптимизации, статистика, анализ, дискретная
математика и другие). НС -- есть метод прикладной математики, который направлен на
решение определённого класса задач. Следовательно, НС -- это семейство алгоритмов,
являющихся частью машинного обучения, которые, как правило, можно отнести к численным
методам и методам оптимизации.


Ответ 2

Нужно добавить что после обучения с примерами,нейросеть может предлагать правильный
или близкий к правильному ответу,получая данные которые не были в исходном обучающем
наборе-она теперь умеет обобщать.


Ответ 3

А с нейронными сетями еще не вполне понятна грань между классическим математическим
моделированием и машинным обучением. В классическом моделировании изучалось какое-то
физическое явление, его природа, выводились формулы, данные формализовывались, оставшиеся
параметры вычислялись. У нас было много знаний о мире и мало данных. Так было в физике,
химии, биологии. Но чем в менее формализованные области мы уходим — в психологию, социологию,
экономику, в сложные технические системы, — тем сложнее создать для них системы уравнений.
А если это и получается сделать, то они выходят настолько сложными, что модель просто
разваливается. Мы перестали управлять этой сложностью.

А в машинном обучении функции как бы натягиваются, прилаживаются к существующим данным,
о которых мы ничего не знаем и которые определяем как универсальное семейство, способное
приблизить любую функцию. Это могут делать нейронные сети, но не обязательно только
они. Появляются миллионы способов аппроксимации функций, и мы уже понимаем, какие методы
для чего лучше работают.

Источник


Ответ 4

Машинное обучение — это просто категория в computer science, оно делается с помощью
нейросетей, взятых из биологических моделей.