Входной вектор (Input Vector)

Что такое Входной вектор (Input Vector)?

Входной вектор — это упорядоченный набор числовых значений, подаваемый на вход нейронной сети для обработки и получения предсказания или классификации.

В контексте нейронных сетей и машинного обучения входной вектор служит «сырьём» для работы модели: именно на основе его данных сеть выстраивает дальнейшие вычисления. Каждый элемент вектора (компонент) соответствует определённому признаку (feature) объекта или явления, которое модель анализирует. Например, если нейросеть распознаёт изображения, то входной вектор может представлять собой развёрнутую в линию матрицу пикселей; если анализирует тексты — кодировку слов или символов.

Аналогия из бытового мира

Представьте, что вы хотите заказать пиццу через мобильное приложение. Вы выбираете: размер, тип теста, соус, начинку и дополнительные ингредиенты. Все эти выборы — как компоненты входного вектора: они формируют единый «пакет данных», который приложение (аналог нейросети) получает и обрабатывает, чтобы выдать вам итоговый заказ.

Исторический контекст

Понятие вектора как математической структуры существует давно, но его применение в ИИ оформилось с развитием перцептронов — первых моделей нейросетей (работы Фрэнка Розенблатта, 1950–1960‑е годы). Уже тогда входной вектор задавал начальные данные для вычислений: например, значения яркости пикселей в задаче распознавания образов. С ростом сложности моделей (CNN, RNN, трансформеры) структура и размерность входных векторов стали варьироваться, но суть осталась прежней: это «точка входа» данных в модель.

Смежные понятия и различия

  • Признаковое пространство (feature space) — более широкое понятие: это множество всех возможных входных векторов для данной задачи. Входной вектор — лишь одна точка в этом пространстве.
  • Эмбеддинг (embedding) — векторное представление объекта (слова, изображения и т. п.), но оно обычно генерируется внутри модели (например, в слоях эмбеддинга трансформеров), а не подаётся на вход извне.
  • Выходной вектор — результат работы нейросети, а не её вход.

Примеры использования

  • В свёрточных нейронных сетях (CNN) входной вектор — это развёрнутые в одномерный массив пиксели изображения (например, вектор длиной 784 для изображения 28×28 пикселей в MNIST).
  • В рекуррентных сетях (RNN) и трансформерах входной вектор может быть последовательностью токенов (слов или подслов), закодированных в числовые значения (например, векторы длиной 512 в BERT).
  • В задачах табличных данных (например, предсказание цены дома) входной вектор — это значения признаков: площадь, количество комнат, этаж и т. д.

Популярные реализации/форматы

  • One-hot encoding (вектор, где только один элемент равен 1, остальные — 0, например, для категориальных признаков).
  • Word2vec, GloVe — предобученные векторные представления слов, которые могут служить входными векторами для NLP‑моделей.
  • Нормализованные числовые векторы (например, пиксели в диапазоне [0, 1] или стандартизованные признаки).

Авторизация