Hvad er et feedforward neuralt netværk?

Et fremadrettet neuralt netværk er en type neuralt netværk, hvor enhedsforbindelserne ikke bevæger sig i en løkke, men snarere i en enkelt rettet sti. Dette adskiller sig fra et tilbagevendende neuralt netværk, hvor information kan bevæge sig både fremad og bagud i hele systemet. Et fremadrettet neuralt netværk er måske den mest almindelige type neurale netværk, da det er et af de nemmeste at forstå og konfigurere. Disse typer af neurale netværk bruges i data mining og andre områder af undersøgelse, hvor der kræves forudsigelig adfærd.

Et neuralt netværk er et kunstigt intelligensnetværk designet til løst at efterligne de "tænke" processer i en menneskelig hjerne. Ved at tilføje strenge af data til netværket får computeren muligheder for at "lære" de mønstre, der flyder gennem det, hvilket gør det muligt for den at identificere svar korrekt og levere trendanalyse. De bruges i opgaver, hvor der kræves en vis grad af indlæring og mønstergenkendelse, f.eks. Under data mining-operationer. Datamining er simpelthen analysen af ​​tendenser fra en samling af oplysninger, såsom analyse af forbrugernes indkøbstendenser og fremskridt på aktiemarkedet.

Information, der rejser gennem et fremadrettet neuralt netværk, går ind i inputlaget, rejser gennem det skjulte lag og kommer frem fra det ydre lag af netværket, hvilket giver slutbrugeren et svar på deres forespørgsel. Et inputlag er simpelthen det sted, hvor brugeren indtaster de rå data eller parametre for informationen. Transaktionens kød foregår i det skjulte lag, hvor computeren falder tilbage på sin "oplevelse" med at håndtere lignende data for at skabe et estimeret svar. Oplysningerne kanaliseres gennem outputlaget, hvor der gives et svar tilbage til slutbrugeren.

Et fremadrettet neuralt netværk bliver typisk mere effektivt, når slutbrugeren giver det mere og mere eksperimentelle data. Ligesom beregning af et gennemsnit, opnås et mere nøjagtigt resultat ved at bruge et bredt antal testbegivenheder. For eksempel er sandsynligheden for at rulle en "1" på en seks-sidet matrice 16,667 procent; men det vil tage hundreder eller tusinder af simuleringer, før det beregnede gennemsnit bekræftes ved brug af data fra den virkelige verden. Feedforward neurale netværk er de samme; deres svar bliver mere nøjagtige med tiden og erfaringen.