Процесс обучения выглядит следующим образом. Сети многократно представляются примеры входных данных из обучающего набора; при этом каждый раз вычисляется количественный показатель отклонения сети от ожидаемых меток, ассоциированных с обучающими входными данными. Этот количественный показатель называют штрафами или потерями сети и вычисляют с помощью функции штрафов, или функции потерь, — специальной функции для количественной оценки того, насколько качественно сеть выполняет свою задачу. При больших штрафах сеть плохо справляется со своей задачей, а при малых штрафах она работает хорошо.
Надежность нейронных сетей: укрепляем устойчивость ИИ к обману
·
Кэти Уорр
