Вот что я понимаю: Есть нейросеть с 2 скрытыми слоями, допустим, по распознаванию лиц. На вход дают фотографию лица, каждый пиксель это отдельная фича, все фичи составляют первый слой нейросети. Дальше есть второй слой на котором входные фичи с помощью нелинейных функций *объединяються* в базовые примитивы. Далее на 3 слое примитивы объединяются в более абстрактные вещи, и на выходе дается ответ лицо на картинке или нет.
Вопрос: Как нейросеть определяет те самые примитивы в скрытых слоях? Как она понимает, что вот эти две линии дают понять, есть ли на картинке нос, почему она в принципе выбрала нос в качестве абстракции?
Спасибо
Простите за наглость, но у вас есть ссылки именно на математическую часть? Мне не столь важен CV, выше я просто для примера, как математическая часть нейросети которая сама объеденяет фичи в примитивы, а дальше в все большие абстракции. Как это происходит?
2dGorillaz, А чисто математическую часть по веб-публикации искать - тупиковый путь. По ним можно получить общее представление. А реально разбираться надо по книгам (или документациям) - ключевое словосочетание - сверточные нейросети для распознавания изображений.
P.S. Если мой ответ(ы) оказались вам полезными - на этом сайте благодарность принято высказывать несколько иначе.
Ian Goodfellow. "Deep Learning"
Jeff Heaton "Applications of Deep Neural Networks"
Eli Stevens Deep Learning with PyTorch
Giancarlo Zaccone Deep Learning with TensorFlow
Джош Паттерсон, Глубокое обучение с точки зрения практика
Николенко С., Глубокое обучение.
Саймон Хайкин Нейронные сети полный курс.
Эндрю Траск. Грокаем Глубокое обучение
Michael Beyeler. Machine Learning for OpenCV
Joe Minichino. Learning OpenCV 3 Computer Vision with Python
