신경망 분류 란 무엇입니까?

신경망 분류는 컴퓨터가 생물학적 신경망에서 발견되는 회로 모티프를 사용하여 데이터를 분류 할 수있는 프로세스입니다. 신경 회로는 가장 복잡한 회로로 알려져 있으며 2011 년 현재 존재하는 모든 컴퓨터보다 더 많은 데이터 처리 (병렬 및 직렬)를 수행 할 수 있으며, 강력한 이유 중 하나는 신경 회로의 적응 능력입니다. 연결, 시냅스 및 기능적 논리 게이트는 이전 정보 및 신경 발사 속도에 따라 강화 및 약화 될 수 있습니다. 통계적 분류를위한 효율적인 정보 통합 및 데이터 처리에 대한 동일한 회로 적응은 이러한 회로 모티프 및 방법을 컴퓨터 설계에 통합함으로써 이용 될 수있다.

뇌는 자연적으로 발생하는 비선형 통계 데이터 모델링 도구와 결합 된 놀라운 처리 능력의 원천입니다. 신경 회로에서 발견되는 주제는 간단한 처리 장치에서 복잡한 정보 통합 시스템에 이르기까지 다양합니다. 신경망의 생물학적 적응 시스템은 수신 된 이전 정보를 기반으로 정보를 처리하는 방법을 변경합니다. 인공 신경망은 사람이 배경 소음을 익히는 것을 배우는 것과 같은 방식으로 별도의 정보에 다른 가중치를 부여하는 방법을 배울 수 있으므로 시스템이 "중요한"것으로 지정하는 정보에 더 많은 가중치를 부여합니다.

신경망 분류를위한 계산 모델은 회로 내의 단위부터 정보가 가중되는 프로세스에 이르기까지 자연스럽게 발생하는 신경망 처리 기능을 연구함으로써 얻은 지식을 활용합니다. 이러한 모티프는 뇌의 작용에 대한 추가 통찰력을 제공 할뿐만 아니라 silico 에서 모티프를 재생성하는 데 더 잘 이해 될 수 있습니다. 이는 컴퓨터가 더 큰 통계 신경망 분류 처리 능력에 사용됨을 의미합니다. 신경망 분류의 적용은 광범위하지만 2011 년에 이루어진 진전은 신경망에 대한 연구의 초기와 이해 때문에 비교적 작았습니다.

이전 데이터 매개 변수를 기반으로 한 기계 학습과 같이 뇌의 운동 회로를 모방하는 적응 시스템을 통합 한 정보 처리 방법을 통해 과학자들은 독특하고 역동적 인 방식으로 데이터를 처리 할 수 ​​있습니다. 일부 사람들은 과학에서 데이터 축적이 기하 급수적으로 증가하고 있으며 데이터의 양을 늘리는 기술이 더욱 효율적이되기 때문에 이것이 필요하다고 말합니다. 많은 과학자들은 과학적 발견의 병목 현상이 동화 및 데이터 처리 자체가 될 것이라고 믿습니다. 통계 분석을 위해 비선형 기계 기반 학습 방법이 더 많이 의존하고 있습니다.

전산 모델을 통해 프로그래머는 인공 두뇌로 구성된 인공 신경망을 만들어 기계 두뇌 (사전 평가 데이터를 기반으로 통계 분석을 동적으로 변경할 수 있는 실리코 정보 처리 장치)를 나타낼 수 있습니다. 기본적으로 신경망 분류에 기초한 데이터 처리를 통해 과학자들은 학습 할 수있는보다 강력한 기계를 만들 수 있습니다. 이전 정보를 기반으로 분류 기능을 동적으로 수정할 수있는 기계는 과학자가 많은 양의 데이터를 분석하여 생성 된 문제를 도와주는 강력한 도구입니다.