신경망이란 무엇입니까?
von Neumann 아키텍처라고하는 일반적인 컴퓨터에서 메모리 뱅크는 격리 된 모듈에 살고 있습니다. 직렬 아키텍처를 사용하여 지침을 처리하고 메모리를 하나씩 처리하는 프로세서가 하나뿐입니다. 컴퓨팅에 대한 다른 접근법은 신경망입니다. 수천 또는 수백만의 개별 "뉴런"또는 "노드"로 구성된 신경망에서 모든 처리는 매우 평행하고 분포되어 있습니다. "기억"은 노드 간의 복잡한 상호 연결과 가중치에 저장됩니다.
신경 네트워킹은 자연의 동물 뇌가 사용하는 컴퓨팅 아키텍처의 유형입니다. 신경망이 본질적으로 직렬 컴퓨팅보다 본질적으로 우수한 처리 모드이기 때문일 필요는 없지만 직렬 컴퓨팅을 사용하는 뇌가 점진적으로 진화하기가 훨씬 어렵 기 때문입니다. 신경망은 또한 직렬 컴퓨터보다 "시끄러운 데이터"를 다루는 경향이 있습니다.
피드 포워드 신경망에서 "입력 계층"FIL특수 노드를 사용하여 LED는 정보를 사용하여 외부에서받은 정보를 기반으로 신호를 두 번째 계층으로 보냅니다. 이 정보는 일반적으로 이진 "예 또는 아니오"신호입니다. 때로는 "아니오"에서 "예"로 이동하려면 노드는 특정 임계 값의 흥분 또는 자극을 경험해야합니다.
데이터는 입력 계층에서 2 차 및 3 차 계층으로 이동하여 프로그래머가 분석 할 화면에 결과가 표시되는 최종 "출력 계층"에 도달 할 때까지 이동합니다. 인간 망막은 신경망을 기반으로합니다. 첫 번째 레벨 노드는 색상, 선 및 가장자리와 같은 시야에서 간단한 기하학적 기능을 감지합니다. 보조 노드는 모션, 텍스처 및 깊이와 같은보다 정교한 기능을 추상화하기 시작합니다. 최종 "출력"은 시야를 볼 때 의식이 등록하는 것입니다. 초기 입력은 복잡한 배열 일뿐입니다지속적인 대상에 대한 아이디어와 같은 의미있는 특성의 관점에서 신경 학적 하드웨어 없이는 거의 의미가없는 광자.
신경망을 역전시키는 경우, 이전 레이어의 출력은 해당 레이어로 돌아와서 추가 신호를 제한 할 수 있습니다. 우리의 감각의 대부분은 이런 식으로 작동합니다. 초기 데이터는 최종 결과에서 "교육 된 추측"을 자극 한 다음 교육을받은 추측의 맥락에서 미래 데이터를 살펴볼 수 있습니다. 착시에서, 우리의 감각은 잘못된 것으로 판명 된 교육받은 추측을합니다.
신경망을 프로그래밍하는 대신, 프로그래머는 개별 뉴런의 훈련 또는 섬세한 조정으로 신경망을 구성해야합니다. 예를 들어, 얼굴을 인식하기 위해 신경망을 훈련시키는 데는 다른 "얼굴처럼"와 같은 "얼굴과 같은"객체가 네트워크에 표시되어 긍정적 또는 부정적인 피드백이 동반하여 신경망을 인식 기술을 향상시키는 데 도움이됩니다.