Prometey. Обучение ИИ расстановке колонн в здании. Часть 2

          В течении двух недель я пробовал найти решение проблемы сходимости нейросети с тренировочными данными в пределах не более 10% погрешности и с большей производительностью.

          Я очень много времени потратил на функцию активации нейронов и совсем не считал нужным углубляться в тему функции потерь, но после прочтения данной статьи я решил изучить эту тему более внимательно. И спустя буквально 2 выходных, к вечеру воскресенья, мне удалось улучшить результативность нейросети до 98.5% точности. При этом число нейронов удалось так же значительно сократить, с 270 до 52. 

          При этом мне удалось наконец-то нейросеть научить приходить к результату не как машина , а как человек. Иными словами машина теперь находит ответ не просто "0" или "1", а с рациональной долей сомнения, которое присуще живому организму при принятии того или иного решения:

         Это пример того как раньше выдавала результат нейросеть, при такой строгой интерпретации результатов , было очень много ошибок, нейросеть думала что это на 99% правильный результат , при этом это был 100% не верный в корне результат. 

        Это пример когда я добавил "шум" в обучающую выборку нейросети. Но перестарался и нейросеть стала совсем сомневаться в принятых решениях. 

          А это уже пример когда нейросеть идеально находит решение, когда видна стадия сомнения при не очевидных исходных данных. Именно так выглядит стадия перехода от одного решения к другому и у человека, именно этой цели я и добивался многие месяцы.

          И это все благодаря только функции потерь. Объяснять что это такое подробно нету смысла , это сложная математика и ничего более.