Segítség neuronhálókkal kapcsolatosan?

Az input adat nem egy bemenet és az output adat sem egy kimenet. Az input adat a bemenetek összessége, az output adat pedig a kimenetek összessége, így a súlyozás módosítását annak megfelelően kell megírni.

Ha van két input neuronod és három output, nem egyenként nézed meg, mit válaszolnak, hanem a komplett háló viselkedése érdekel. Mindkét inputnak adsz bemenetet, annak megfelelő kimenetet vársz el a három outputon, aztán mindháromba visszatolod, mennyit hibáztak.

A súlyozás pedig nem felülíródik a tanulási folyamat során, csupán adjusztálódik, annak függvényében, hogy milyen mértékű volt a tévedés. Nyilván, ha csak a haverod arcával trainelnél egy hálót, akkor valószínűleg csak azt ismerné fel. Ha 10000 különböző emberével tanítanád, akkor viszont bárkiét felismerné, illetőleg jóeséllyel olyan alakzatokat is, amelyek valójában nem arcok, csak hasonlítanak egy arcra.

A háló csak adjusztálja a súlyokat, "minden látott arc átlagára". Így gyakorlatilag az ANN -t a közös tulajdonságokra tanítod meg és nem konkrét arcokra.

Fogsz egy arclistát és sorban mindegyiket letolod a torkán. Lesz szem-száj-orr-fülek-blablabla, ezek elhelyezkedése, stb. A súlyok voltaképpen úgy fognak beállni, hogy helyes adathalmaz esetén egy adott alhalmaz milyen valószínűséggel fordul elő. Ebből fog kvázi következtetni arra, hogy a beadott kép arcot ábrázol-e.

Valahogy úgy képzeld el, mintha a fényképed teszemazt 1%-os opacity-vel lenne letéve, majd erre rátennéd a haverodét, szintén 1%-os opacity-vel, stb. Nem egy konkrét arc lesz a végeredmény, hanem egy olyan kevert kép, ahol a közös jellemzők kapnak hangsúlyt.