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 gengive hjernens funktioner. Denne brede vifte af software og enheder bruger neurale algoritme -modeller til at skabe beslutningsprocesser, som planlæggere håber vil efterligne menneskelige tankeprocesser. Kunstige neurale netværk repræsenterer en stor fremgang fra relativt primitive ideer om computere i tidligere årtier.
neuralt netværkssoftware anvendes traditionelt til spil og andre opgaver, der involverer relativt beregnet menneskelig tanke. I en mere biofysisk forstand er neurale netværk baseret på undersøgelse af, hvordan hjernens neuroner kommunikerer og videresender meddelelser. Neurale netværksapplikationer inkluderer interaktion mellem forskellige funktioner, hvor ingeniører ser på den samlede produktive output for at se, hvordan disse kunstige neurale netværkssystemer kan effektivtY efterligner menneskelig tanke. En række "virkelige applikationer" til ANN inkluderer regressionsanalyse, funktionstilnærmelse, robotik og generel databehandling.
Forskellige typer kunstige neurale netværk er blevet 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, der anvendes til kunstige neurale netværk, kaldes ofte et "maskineudvalg", hvor forskellige netværksstrukturer hver især giver deres egen "afstemning" eller "mening" i en beslutningsmodelleringsproces. Dette kaldes også undertiden et associativt neuralt netværk eller ASNN. FordelenDet af denne form for forskning er tydeligt for ingeniører, der mener, at ASNN kan hjælpe med at modellere menneskelig gruppe beslutningstagning eller anden kompleks modellering på nogle lignende måder som de individuelle beslutningsmodeller leveret af Ann.
Et princip, der ofte bruges af et kunstigt neuralt netværk, kaldes "fuzzy logik." Ordet "fuzzy" bruges til at beskrive eventuelle huller i data eller viden. Neurale netværk er ofte i stand til at lukke nogle data- eller videnhuller ved uddannet gæt og statistisk forudsigelse, som i modsætning til det strenge "ja eller nej" binære logiske traditionelt forbundet med elektronisk beslutningstagning. At overvinde fuzzy logik hjælper neurale netværk med at give bedre resultater i simuleringer. Ved hjælp af byggestenene i tidligere forskning forbedrer planlæggere og ingeniører, der opleves med kunstige neurale netværk, konstant, hvad disse værktøjer kan gøre for at skubbe grænserne for vores viden om vores egne sind.