tgoop.com/proglib_academy/2394
Last Update:
Если коротко, перцептрон — это модель, которая пришла к нам из 60-х и легла в основу современных нейронных сетей.
Перцептрон был вдохновлён работой мозга (нейронами), но на деле это просто линейное уравнение: y = w₀ + w₁x₁ + w₂x₂ + ... + wₙxₙ
• x — входные данные (например, параметры дома или пиксели изображения).
• w — веса модели, которые помогают находить зависимости.
• w₀ — смещение (bias), добавляет гибкость уравнению.
Собрали данные → умножили на веса → сложили → получили результат.
Но проблема: перцептрон способен работать только с линейными зависимостями. Например, он может рассчитать стоимость квартиры, если она зависит только от фиксированных параметров вроде площади. Но учесть нелинейные факторы, такие как влияние этажности, перцептрон уже не сможет. Он нарисует прямую, которая не учитывает сложные взаимосвязи между данными.
Чтобы модель стала умнее, перцептроны начали объединять в нейронные сети, а на выходе добавили функцию активации (чтобы вносить «нелинейность»). Это и дало нам современные нейросети, которые распознают лица, переводят тексты и управляют автомобилями.
