Hvad er et kunstigt neuralt netværk?
Et kunstigt neuralt netværk er et navn på en slags computerteknologi, der prøver at efterligne den menneskelige hjerne. Et kunstigt neuralt netværk eller ANN inkluderer simulerede neuroner og stimuli til forsøg på at reproducere hjernens funktioner. Denne brede vifte af software og enheder bruger neurale algoritmemodeller til at skabe beslutningsprocesser, som planlæggere håber, vil nøje efterligne menneskelige tankeprocesser. Kunstige neurale netværk repræsenterer en stor fremgang fra relativt primitive ideer om computere i tidligere årtier.
Neural netværkssoftware anvendes traditionelt til spil og andre opgaver, der involverer relativt beregnet menneskelig tænkning. I en mere bio-fysisk forstand er neurale netværk baseret på undersøgelse af, hvordan hjernens neuroner kommunikerer og videresender beskeder. Neurale netværksapplikationer inkluderer interaktion mellem forskellige funktioner, hvor ingeniører ser på det samlede produktive output for at se, hvordan disse kunstige neurale netværkssystemer effektivt kan efterligne menneskelig tanke. En række "virkelige applikationer" til ANN inkluderer regressionsanalyse, funktionstilnærmelse, robotik og generel databehandling.
Forskellige typer kunstige neurale netværk er udviklet til forskellige forskningsbestemmelser. Disse bruger forskellige former for læringsmodeller såsom overvåget, uovervåget eller forstærket læring. Typer af neurale netværk inkluderer et envejs fremadrettet neuralt netværk, en radial basisfunktion eller RBF-netværk, et Kohonen-selvorganiserende netværk og endda modulære neurale netværk, hvor et større netværk består af flere små.
En anden type ny struktur anvendt på kunstige neurale netværk kaldes ofte et "komité for maskiner", hvor forskellige netværksstrukturer hver giver deres egen "afstemning" eller "mening" i en beslutningsmodelleringsproces. Dette kaldes også undertiden et associativt neuralt netværk eller ASNN. Fordelen ved denne form for forskning er åbenlyse for ingeniører, der mener, at ASNN kan hjælpe med at modellere menneskelige gruppebeslutninger eller anden kompleks modellering på nogle lignende måder som de individuelle beslutningstagningsmodeller leveret af ANN.
Et princip, der ofte bruges af et kunstigt neuralt netværk kaldes "fuzzy logic." Ordet "fuzzy" bruges til at beskrive huller i data eller viden. Neurale netværk er ofte i stand til at lukke nogle data eller videnhuller ved uddannet gætte og statistisk forudsigelse, hvilket er i modsætning til den strenge "ja eller nej" binære logik, der traditionelt er forbundet med elektronisk beslutningstagning. At overvinde uklar logik hjælper neurale netværk med at give bedre resultater i simuleringer. Ved hjælp af byggestenene fra tidligere forskning forbedrer planlæggere og ingeniører, der har erfaring med kunstige neurale netværk, konstant, hvad disse værktøjer kan gøre for at skubbe grænserne for vores viden om vores egne sind.