역 전파 신경망이란 무엇입니까?

프로그래밍, 컴퓨터 및 인공 지능의 세계에서 역 전파 신경망은 단순히 역 전파를 사용하는 일종의 인공 신경망 (ANN)입니다. 역전 파는 기본이며 ANN에게 주어진 작업을 수행하는 방법을 지시하는 일반적으로 사용되는 알고리즘입니다. 이 개념은 혼란스러워 보일 수 있지만 프로세스 중에 필요한 방정식을 살펴본 후이 개념은 완전한 신경망과 함께 이해하기 매우 쉽습니다.

신경망, ANN 또는 단순히 "신경망"을 의미하는 NN에 익숙하지 않은 사람들에게는 실제 신경망의 특정 기능 (예 : 생명체에서 발견되는 기능)을 본따서 만들어지는 수학적 모델입니다. 인간의 두뇌는 인공 신경의 구조와 작동을 개선하는 방법에 대한 힌트를 제공하는 궁극적 인 신경망입니다. 가장 기본적인 뇌와 마찬가지로 ANN에는 정보를 처리하는 상호 연결된 인공 뉴런 네트워크가 있습니다.

흥미로운 점은 ANN이 환경과 네트워크 내에서받는 정보에 따라 필요할 때 구조를 조정하고 수정할 수 있다는 것입니다. 비선형 통계 데이터 분석을 사용하는 정교한 계산 모델이며 입력 및 출력과 같은 데이터 간의 복잡한 관계를 해석 할 수 있습니다. 전통적인 계산 방법으로는 해결할 수없는 문제를 해결할 수 있습니다.

역 전파 신경망에 대한 아이디어는 1969 년 Arthur E. Bryson과 Yu-Chi Ho의 연구에서 처음 시작되었습니다. 나중에 다른 프로그래머들과 과학자들은 아이디어를 구체화했습니다. 1974 년부터 역 전파 신경망은 인공 신경망의 연구와 창조에있어 혁신적인 돌파구로 인정 받게되었습니다.

신경망 학습은 ANN 내에서 주요한 작업으로, 데이터를 계속 올바르게 처리하고 그 기능을 올바르게 수행 할 수 있도록합니다. 역 전파 신경망은 신경망 학습을 가능하게하기 위해 일반화 된 형태의 델타 규칙을 사용합니다. 이는 네트워크에 공급 된 특정 입력에서 원하는 출력을 계산할 수있는 교사를 사용한다는 것을 의미합니다.

다시 말해, 역 전파 신경망은 예를 들어 학습한다. 프로그래머는 특정 입력 세트가 주어지면 올바른 결과가 무엇인지 보여주는 학습 모델을 제공합니다. 이 입출력 예제는 네트워크의 다른 부분이 이후의 계산을 패턴화할 수있는 교사 또는 모델입니다.

전체 프로세스는 측정 된 간격으로 체계적으로 진행됩니다. 명확한 입력 세트가 주어지면 ANN은 모델에서 얻은 계산을 적용하여 초기 출력을 얻습니다. 그런 다음이 출력을 원래 알려진, 예상 또는 양호한 출력과 비교하고 필요에 따라 조정합니다. 이 과정에서 오류 값이 계산됩니다. 그런 다음 최상의 출력이 결정될 때까지 역 전파 신경망을 통해 앞뒤로 전파됩니다.