人工ニューロンとは何ですか？

人工ニューロンは、コンピューターシステムのソフトウェアプログラミングにおける数学関数であり、人間の脳および神経系の生体ニューロンまたはインパルス伝導細胞の複雑な相互作用をある程度エミュレートしようとします。 人工ニューロンの最初のバージョンは、1943年にWarren McCullochとWalter Pittsによってバイナリニューロンの形式として作成されました。入力は1または-1の値になります。 これらの入力の組み合わせが一緒に重み付けされます。 特定のしきい値を超えると、人工ニューロンの出力は1になり、結合時に入力が不十分な場合、出力は-1の値になります。

一緒に、相互接続された人工ニューロンのコレクションは、人間の脳と同じように基本的な方法で機能することを意図しています。 このような人工ニューラルネットワークの設計は、人工生命、人間のように何らかの能力で推論できる合成コンピューターシステムの開発への道に沿った重要な足がかりと見なされています。 今日のインテリジェントなコンピューターシステムは、従来の線形コンピュータープログラミングよりも迅速にデータ入力を並列処理できるニューラルネットワークを既に採用しています。

人工ニューロンに依存する作業中のシステムの例としては、2006年に開発された作物保護システムがあります。これは、飛行車両を使用して季節の病気や害虫の存在について作物の状態をスキャンします。 ニューラルネットワークは基本的にコンピューターを学習しているため、作物のスキャンを制御するためにニューラルネットワークソフトウェアが選択されました。 より多くのデータがローカル条件でそれらに供給されると、それらは問題の検出がより効率的になり、それらが広がる前に迅速に制御できるようになります。 一方、標準的なコンピューター制御システムは、特定のセクションの条件が変化しても、作物の畑全体を均等に処理していました。 設計者による継続的な再プログラミングがなければ、人工ニューロンの適応に基づくシステムよりもはるかに効率が悪いことが判明したでしょう。

ニューラルネットワークソフトウェアには、コーディングレベルでソフトウェアの基本設計を熟知していないエンジニアが適応できるという利点もあります。 このソフトウェアは、さまざまな条件に適応することができ、それらの条件にさらされ、それらに関するデータを収集するため、習熟度が向上します。 最初、ニューラルネットワークは問題の解決策として誤った出力を生成しますが、この出力が生成されると、入力としてシステムにフィードバックされ、データの調整と重み付けの継続的なプロセスにより、実際のデータがより正確に理解されます十分な時間とフィードバックを与えられた世界の状況。

ニューラルネットワークの設計方法の適応により、1943年に作成された基本的なバイナリニューロン構造に加えて、他のタイプの人工ニューロンが生まれました。準線形ニューラルネットワークは、条件によってアクティブ化される線形関数と非線形関数の両方を組み込みます。 分析される問題が線形ではない、または明確に予測可能でなく、マイナーではない条件を表示する場合、線形計算よりも大きな重みが与えられることにより、システムの非線形関数が利用されます。 ニューラルシステムのトレーニングが継続するにつれて、システムは、システムの理想的な状態と比較して、監視している現実世界の状態の制御が向上します。 これには、多くの場合、意味のある出力および制御状態を生成する際の不正確さの程度を説明できるニューロファジーモデルをニューラルネットワークに組み込む必要があります。