Was ist ein künstliches neuronales Netzwerk?
Ein künstliches neuronales Netzwerk ist ein Name für eine Art Computertechnologie, die versucht, das menschliche Gehirn zu imitieren. Ein künstliches neuronales Netzwerk oder ANN enthält simulierte Neuronen und Stimuli für Versuche, die Funktionen des Gehirns zu reproduzieren. Diese breite Palette von Software und Geräten verwendet neuronale Algorithmusmodelle, um Entscheidungsprozesse zu erstellen, von denen die Planer hoffen, dass sie menschliche Denkprozesse stark imitieren. Künstliche neuronale Netze sind ein großer Fortschritt gegenüber relativ primitiven Vorstellungen über Computer in den vergangenen Jahrzehnten.
Neuronale Netzwerksoftware wird traditionell für das Spielen von Spielen und andere Aufgaben angewendet, die relativ kalkuliertes menschliches Denken beinhalten. Im biophysikalischen Sinne basieren neuronale Netze auf der Untersuchung, wie die Neuronen des Gehirns kommunizieren und Nachrichten weiterleiten. Neuronale Netzwerkanwendungen umfassen die Interaktion verschiedener Funktionen, bei denen Ingenieure die gesamte produktive Ausgabe untersuchen, um zu sehen, wie diese künstlichen neuronalen Netzwerksysteme das menschliche Denken effektiv imitieren können. Eine Vielzahl von "realen Anwendungen" für ANN umfassen Regressionsanalyse, Funktionsapproximation, Robotik und allgemeine Datenverarbeitung.
Verschiedene Arten künstlicher neuronaler Netze wurden für unterschiedliche Forschungsbestimmungen entwickelt. Diese verwenden verschiedene Arten von Lernmodellen wie überwachtes, unbeaufsichtigtes oder verstärktes Lernen. Zu den Typen neuronaler Netze gehören ein Einweg-Feedforward-Neuronennetz, eine Radialbasisfunktion oder ein RBF-Netz, ein selbstorganisierendes Kohonen-Netz und sogar modulare Neuronennetze, bei denen ein größeres Netz aus mehreren kleinen Netzen besteht.
Eine andere Art von neuer Struktur, die auf künstliche neuronale Netze angewendet wird, wird häufig als "Ausschuss von Maschinen" bezeichnet, in denen verschiedene Netzstrukturen in einem Entscheidungsmodellierungsprozess jeweils ihre eigene "Stimme" oder "Meinung" abgeben. Dies wird manchmal auch als assoziatives neuronales Netzwerk oder ASNN bezeichnet. Der Nutzen dieser Art von Forschung ist für Ingenieure offensichtlich, die glauben, dass ASNN auf ähnliche Weise wie die von ANN bereitgestellten individuellen Entscheidungsmodelle zur Modellierung der Entscheidungsfindung in menschlichen Gruppen oder anderer komplexer Modelle beitragen kann.
Ein Prinzip, das häufig von einem künstlichen neuronalen Netzwerk verwendet wird, wird als "Fuzzy-Logik" bezeichnet. Das Wort "Fuzzy" wird verwendet, um etwaige Lücken in Daten oder Wissen zu beschreiben. Neuronale Netze sind oft in der Lage, einige Daten- oder Wissenslücken durch fundiertes Erraten und statistische Vorhersage zu schließen, was im Gegensatz zu der strengen "Ja oder Nein" -Binärlogik steht, die traditionell mit elektronischer Entscheidungsfindung verbunden ist. Durch die Überwindung der Fuzzy-Logik können neuronale Netze bessere Simulationsergebnisse erzielen. Planer und Ingenieure, die Erfahrung mit künstlichen neuronalen Netzen haben, nutzen die Bausteine früherer Forschungen und verbessern kontinuierlich die Möglichkeiten dieser Tools, um die Grenzen unseres Wissens über unseren eigenen Verstand zu erweitern.