Co je to neuronová síť?

V typickém počítači, vyrobeném podle toho, co se nazývá architektura von Neumann, žijí paměťové banky v izolovaném modulu. Existuje pouze jeden procesor, který zpracovává pokyny a paměť přepisuje jeden po druhém pomocí sériové architektury. Neuronová síť je odlišným přístupem k výpočtu. V neuronové síti, tvořené z tisíců nebo dokonce milionů jednotlivých „neuronů“ nebo „uzlů“, je veškeré zpracování vysoce paralelní a distribuované. „Vzpomínky“ jsou uloženy v komplexních propojeních a váhách mezi uzly.

Neuronová síť je typ výpočetní architektury používané mozky zvířat v přírodě. To není nutně proto, že neuronová síť je neodmyslitelně lepšího způsobu zpracování než sériové výpočetní techniky, ale protože mozek, který používá sériové výpočetní techniky, by byl mnohem obtížnější vyvíjet se postupně. Neuronové sítě také mají tendenci se zabývat „hlučnými daty“ lépe než sériové počítače.LED se specializovanými uzly zabírá informace a poté odešle signál do druhé vrstvy na základě informací, které obdržel zvenčí. Tato informace je obvykle binární signál „ano nebo ne“. Někdy se přesune z „ne“ na „ano“, uzel musí zažít určité prahové množství vzrušení nebo stimulace.

Data se pohybují ze vstupní vrstvy do sekundárních a terciárních vrstev atd., Dokud nedosáhne konečné „výstupní vrstvy“, která zobrazuje výsledky na obrazovce pro programátory pro analýzu. Lidská sítnice funguje na základě neuronových sítí. Uzly první úrovně detekují jednoduché geometrické funkce ve zorném poli, jako jsou barvy, linie a okraje. Sekundární uzly začínají abstraktnější sofistikovanější funkce, jako je pohyb, textura a hloubka. Konečný „výstup“ je to, co se naše vědomí registruje, když se podíváme na zorné pole. Počáteční vstup je jen složité uspořádánífotonů, které by znamenaly jen málo bez neurologického hardwaru, který by to pochopil z hlediska smysluplných vlastností, jako je myšlenka trvalého objektu.

V backpropagaci neuronových sítí se mohou výstupy z dřívějších vrstev vrátit do těchto vrstev, aby omezily další signály. Většina našich smyslů takto funguje. Počáteční data mohou při konečném výsledku vyvolat „vzdělaný odhad“ a poté se podíváme na budoucí údaje v souvislosti s tímto vzdělaným odhadem. V optických iluzích naše smysly dělají vzdělané odhady, které se ukázaly jako špatné.

Namísto programování neuronových sítí algoritmicky musí programátoři nakonfigurovat neuronovou síť s tréninkem nebo jemným laděním jednotlivých neuronů. Například školení neuronové sítě k rozpoznávání tváří by vyžadovalo mnoho tréninkových běhů, ve kterých byly do sítě zobrazeny různé objekty „facelike“ a „nestaráty“, doprovázeny pozitivní nebo negativní zpětnou vazbou, aby se neuronovou síť přiměly ke zlepšení rozpoznávacích dovedností.