ニューラルネットワークとは何ですか？

von neumannアーキテクチャと呼ばれるものに従って作成された典型的なコンピューターでは、メモリバンクは孤立したモジュールに住んでいます。 シリアルアーキテクチャを使用して、命令とメモリを1つずつ書き直すプロセッサは1つだけです。 コンピューティングに対する別のアプローチは、ニューラルネットワークです。 数千または数百万の個々の「ニューロン」または「ノード」で構成されるニューラルネットワークでは、すべての処理が非常に平行で分布しています。 「記憶」は、複雑な相互接続とノード間の重みに保存されます。

ニューラルネットワーキングは、自然界で動物の脳が使用するコンピューティングアーキテクチャのタイプです。 これは必ずしも、ニューラルネットワークがシリアルコンピューティングよりも本質的に優れた処理モードであるためではなく、シリアルコンピューティングを使用する脳が段階的に進化するのがはるかに困難であるためです。 ニューラルネットワークは、シリアルコンピューターよりも「ノイズの多いデータ」を扱う傾向があります。特殊なノードを備えたLEDは情報を取り入れ、外部から受け取った情報に基づいて2番目のレイヤーに信号を送信します。 この情報は通常、バイナリ「はいまたはいいえ」信号です。 時々、「いいえ」から「はい」に移行するために、ノードは特定のしきい値の興奮または刺激を経験する必要があります。

データは、入力層から二次層や三次層などに移動します。これは、プログラマーが分析する画面に結果を表示する最終的な「出力層」に到達するまで移動します。 ヒト網膜は、ニューラルネットワークに基づいて機能します。 最初のレベルノードは、色、線、エッジなど、視野内の単純な幾何学的特徴を検出します。 セカンダリノードは、モーション、テクスチャ、深さなど、より洗練された機能を抽象化し始めます。 最終的な「出力」は、視野を見るときに意識が登録するものです。 初期入力は、複雑な配置にすぎません神経学的なハードウェアがないという意味では、永続的なオブジェクトのアイデアなど、意味のある品質の観点からそれを理解することを意味します。

バックプロパゲートニューラルネットワークでは、以前のレイヤーからの出力はそれらのレイヤーに戻って、さらなる信号を制約することができます。 私たちの感覚のほとんどはこのように機能します。 最初のデータは、最終結果で「教育を受けた推測」を促し、その後、その教育を受けた推測のコンテキストで将来のデータを調べることができます。 光学的幻想では、私たちの感覚は間違っていることが判明した教育を受けた推測をします。

ニューラルネットワークをアルゴリズム的にプログラミングする代わりに、プログラマーは個々のニューロンのトレーニングまたは繊細なチューニングでニューラルネットワークを構成する必要があります。 たとえば、顔を認識するためにニューラルネットワークをトレーニングするには、さまざまな「フェイスのような」オブジェクトと「魅力的な」オブジェクトがネットワークに表示され、ニューラルネットワークが認識スキルを改善するための肯定的または否定的なフィードバックを伴う多くのトレーニング実行が必要です。>