バックプロパゲーションニューラルネットワークとは何ですか?
プログラミング、コンピューター、人工知能の世界では、バックプロパゲーションニューラルネットワークは、バックプロパゲーションを使用する一種の人工ニューラルネットワーク(ANN)です。 BackPropagationは基本的なものであり、ANNに特定のタスクを実行する方法を指示する一般的に使用されるアルゴリズムです。この概念は混乱しているように見えるかもしれませんが、プロセス中に必要な方程式を完全に異質に見える後、この概念は、完全なニューラルネットワークとともに、かなり理解しやすいです。
ニューラルネットワーク、ANN、または単に「ニューラルネットワーク」を表すNNには、生物に見られるような実際のニューラルネットワークの特定の特徴をパターン化する数学モデルです。人間の脳は究極のニューラルネットワークであり、その機能は、人工NNの構造と動作を改善する方法に関するいくつかの手がかりを提供します。最も初歩的な脳のように、アンは相互接続された人工のネットワークを持っています情報を処理するニューロン。
魅力的なのは、環境とネットワーク内から受け取る情報に従って、必要に応じて、ANNがその構造を適応および変更できることです。これは、非線形統計データ分析を使用する洗練された計算モデルであり、入力や出力などのデータ間の複雑な関係を解釈することができます。従来の計算方法を使用して解決できない問題を解決できます。
バックプロパゲーションニューラルネットワークのアイデアは、1969年にアーサーE.ブライソンとYu-Chi Hoの仕事から最初に発生しました。後年、他のプログラマーや科学者がこのアイデアを洗練しました。 1974年から、バックプロパゲーションニューラルネットワークは、人工ニューラルネットワークの研究と作成における革新的なブレークスルーとして認識されるようになりました。
ニューラルネットワーク学習は主要なTASですKがデータを正しく処理し続けることを保証し、その機能を適切に実行できるようにするANN内のk。バックプロパゲーションニューラルネットワークは、一般化された形式のデルタルールを使用して、ニューラルネットワーク学習を可能にします。これは、ネットワークに供給された特定の入力から目的の出力を計算できる教師を利用できることを意味します。
言い換えれば、バックプロパゲーションニューラルネットワークは例で学習します。プログラマーは、特定の入力セットを考慮して、正しい出力がどうなるかを示す学習モデルを提供します。 この入出力の例は、ネットワークの他の部分がその後の計算をパターン化できる教師またはモデルです。
プロセス全体は、測定間隔で系統的に進行します。入力の明確なセットが与えられた場合、ANNはモデルから学習した計算を適用して、初期出力を思いつきます。次に、この出力を元々既知、予想、または良好な出力と比較し、調整を行いますs必要に応じて。プロセスでは、エラー値が計算されます。これは、可能な限り最高の出力が決定されるまで、バックプロパゲーションニューラルネットワークを介して前後に伝播されます。