Разбор специфики различных видов нейронных сетей и решение задачи распознавания цифр при помощи их инструментария

В данной работе рассматриваются различные типы нейронных сетей, их архитектура и классификация, наиболее подходящие каждому типу области использования, а также математические аспекты реализации нейронных сетей. Осуществляется формулировка и постановка задачи для создания нейронной сети, распознающей цифры. Проводится разбор и освоения инструментария для реализации поставленной задачи. Для решения задачи распознавания наиболее рациональным решением будет использование архитектуры - Персептрон. Во время анализа задачи, проводится ключевые критерии: определение числа промежуточных слоев персептрона и количества нейронов в них. Грамотное решение этой задачи позволяет минимизировать склонность модели к переобучению. Помимо определения архитектуры нейронной сети, рассматривается метод обучения с учителем. Для корректировки весов используется широко известный метод стохастического градиентного спуска.

The analysis of various neural networks types and specifics and implementing the problem of recognizing numbers using their tools

We study some issues relating neural networks, their architecture and classification, the most suitable for each type of area of use, as well as the mathematical aspects of the implementation of neural networks. The problem is formulated to create a neural network that recognizes numbers. Neural networks tools are analyzed to implement the problem. To solve the recognition task, the most rational solution is to use the architecture - Perceptron. During the analysis of the task, key criteria are carried out: determining the number of intermediate layers of the perceptron and the required number of neurons. A competent solution to this problem minimizes the tendency of the model to retrain. In addition to determining the architecture of a neural network, learning method with a teacher is considered. To adjust the weights, the well-known stochastic gradient descent method is used.