Внутри эти блоки тоже могут быть иметь сетевую архитектуру (отчасти совмещённую с аналоговыми схемами, так сказать). Но такая внутренняя архитектура нисколько не отменяет частичной обособленности этих блоков.
Могут иметь? А могут, значит, и не иметь? Да уж.
Подразделённость нейронной сети на зоны и отделы не отменяет того, что это одна нейронная сеть. В нашем случае схематического описания сравнения подразделённость не имеет значения.
Нет, это не одна нейронная сеть – это несколько частично обособленных сетей.
Судя по всему, вы не понимаете всю
важность ограничений связей (ту самую,
обособленность участков).
Если у вас будет только одна «гомогенная» (никак не подразделённая на участки, блоки, подсети и т.д.) нейронная сеть, то её можно обучить только чему-то одному – то есть, она будет выделять только один абстракт (для некоей категории) зараз. Для того чтобы она стала выделять другой абстракт (для другой категории) её надо будет переобучить (способность выделять первоначальный абстракт при этом пропадёт).
В действительности мозг человека и животных в состоянии выделять много абстрактов (для разных категорий), не забывая предыдущих – в «гомогенной» нейронной сети такое невозможно в принципе. Мало того, мозг способен сравнивать/сопоставлять разные абстракты, а ваша сеть (которая на рисунке) ничего, кроме выделения текущего абстракта, делать не умеет.
Нейронные сети, независимо от того, обученные они ли нет, никакими «аналоговыми» или «не аналоговыми» не становятся. Обучение суть только подгонка сети под задачу. Если вы сможете делать сразу настроенные гитары и вообще не будете ставить на них колковый механизм, основная суть гитары от этого не изменится, ей только проще пользоваться станет. Так же и с сетями. Поэтому обучение к задаче показать, как в сети происходит «сравнение», отношения не имеет.
Обученная сеть и есть, по сути, аналоговая сеть.
Здесь чуток про аналоговые сети (просмотрите там мои рассуждения по этому поводу):
https://paleoforum.ru/index.php/topic,10046.msg217086.html#msg217086Рекомендую по ссылке (внутри сообщения есть парочка цитат, и эта ссылка тоже есть) пройти и просмотреть статью:
https://ko.com.ua/analogovye_vychisleniya_31729 На схеме имеется 4 входных элемента и 2 выходных – то есть, следует от каждого выходного элемента (на его выходе – типа, раздвоить выходной канал) провести связь на промежуточный блок, а из блока вывести уже 4 связи на каждый входной элемент. Промежуточный блок – это, по сути, аналоговая схема, настроенная, например, на совпадение/равенство сигналов из каждого выходного элемента.
Нейронная сеть — это только сеть нейронов, в них нет никаких «сравнивающих блоков» и, собственно, других «блоков» тоже нет. Поэтому ваша задача состоит в том, чтобы объяснить сравнение, исходя только из схемы на рисунке. Не нужны веса, не нужно обучение, на схеме всё есть. Даже обратные связи не нужны — для общего понимания можно и без них.
Я ведь вас предупреждал, что сеть неполна. Просил (неоднократно) её дополнить, но вы, каждый раз отказывались. А теперь вы чего-то от меня требуете…
Нет на вашем рисунке того, к чему можно было бы «привязать» функцию сравнения/сопоставления.
Представьте, есть две картинки — одна лежит справа, другая слева. На правой собачка, на левой кошечка. Вас просят найти кошечку. Вы смотрите направо, налево — видите кошечку, и отвечаете, что кошечка на левой картинке. Есть здесь «сравнение»?
Конечно, есть сравнение (кавычки не нужны).
Мозг давно выделил абстракты категорий «кошечка» и «собачка» и запомнил их. И при предъявлении картинки происходит мгновенное выделение абстракта (обученная сеть = аналоговая схема, и она работает в миллионы раз быстрее цифровой) и этот текущий выделенный абстракт сравнивается/сопоставляется с абстрактом извлечённым из памяти.
Если есть, то как оно происходит в сети?
Я вам уже несколько раз пояснял – вы почему-то «упёрлись» в сеть и «ни шагу дальше».
Сеть может хорошо выполнять функцию абстрагирования –
сетевая архитектура практически идеально подходит для выполнения подобных функций.
Результат обучения сети представляет собой аналоговую схему, «заточенную» на выделение абстракта какой-то категории объектов. Но в отличие от обычных аналоговых схем, которые не способны переобучатся (всю структуру такой схемы, все связи (и их «веса») такой схемы придётся «перепаивать» заново) – нейронная сеть способна переобучаться.
Искусственная нейронная сеть переобучается только настройкой «весов» связей (новых связей она не может формировать, старые связи она не может удалять). Естественные нейронные сети могут и «веса» связей настраивать, и новые связи образовывать, и старые связи удалять.
Не нужно подробностей, нужна схема. Если сравнения нет, то предложите свой вариант с этими картинками (для простоты), где сравнение есть.
Я уже предложил.
Замечание в сторону.
Сеть может узнать после обучения, верно? То есть, распространено мнение, что сеть способна узнать категорию каких-то объектов (путём формирования абстракта), если её на это «натаскивали». Или это неправильное мнение?
То, что сеть может выделить абстракт – я не только не спорю, я даже уверен в этом. Архитектура сети позволяет выделять любой абстракт из любого множества (разумеется, с учётом технических ограничений). И выделенный абстракт будет, как раз, признаком данной категории объектов из всего множества объектов.
Но для того, чтобы сеть смогла в будущем узнать данный абстракт, этот абстракт надо пометить и загнать в память (например, в уставки какого-то блока). Потом дополнить сеть блоком сравнения (абстракта из памяти и текущего абстракта на выходе). Правда, это можно организовать и в одном блоке.
Функция сравнения/сопоставления (предтеча и суть функции сознания) использует другую архитектуру и реализовать в «железе» её гораздо проще. Обычные компьютеры этим постоянно занимаются – что-то сравнивают/сопоставляют/оценивают (причём, это происходит в разных блоках и на разных уровнях).
Вообще-то, уже неоднократно упоминал, что
функция сознания гораздо проще функции абстрагирования…
Если появляются обратные связи на входные элементы, то входной слой будет реагировать и посылать сигнал вглубь сети, который зависит ещё и от выходного сигнала. Тут возможна даже блокировка восприятия на втором слое элементов (в этом случае можно говорить и о вторичном восприятии).
Вы вообще что подразумеваете под "восприятием"?
Если кратко (и в самом общем виде), то, восприятие – это процесс изменения структуры в результате действия извне.
То есть, у системы, которая воспринимает действие, структура будет меняться. Если структура системы не меняется (а мы со стороны смотрим – вроде, воздействие на систему оказывается), то, значит, система и не воспринимает это действие.