Wat is een kunstmatig neuraal netwerk?
Een kunstmatig neuraal netwerk is een naam voor een soort computertechnologie die het menselijk brein probeert te imiteren. Een kunstmatig neuraal netwerk of ANN bevat gesimuleerde neuronen en stimuli voor pogingen om de functies van de hersenen te reproduceren. Dit brede scala aan software en apparaten maakt gebruik van neurale algoritmemodellen om besluitvormingsprocessen te creëren waarvan de planners hopen dat ze de menselijke denkprocessen nauw zullen nabootsen. Kunstmatige neurale netwerken vertegenwoordigen een grote vooruitgang ten opzichte van relatief primitieve ideeën over computers in voorgaande decennia.
Neurale netwerksoftware wordt traditioneel toegepast op het spelen van games en andere taken waarbij relatief berekende menselijke gedachten een rol spelen. In meer bio-fysieke zin zijn neurale netwerken gebaseerd op onderzoek naar hoe de neuronen van de hersenen communiceren en berichten doorgeven. Neurale netwerktoepassingen omvatten de interactie van verschillende functies, waarbij ingenieurs naar de totale productieve output kijken om te zien hoe deze kunstmatige neurale netwerksystemen effectief het menselijk denken kunnen imiteren. Een verscheidenheid aan 'echte toepassingen' voor ANN omvat regressieanalyse, functiebenadering, robotica en algemene gegevensverwerking.
Verschillende soorten kunstmatige neurale netwerken zijn ontwikkeld voor verschillende onderzoeksvoorzieningen. Deze maken gebruik van verschillende soorten leermodellen, zoals begeleid, zonder toezicht of versterkt leren. Typen neurale netwerken zijn onder meer een one-way feedforward neuraal netwerk, een radiale basisfunctie of RBF-netwerk, een Kohonen zelforganiserend netwerk en zelfs modulaire neurale netwerken waar een groter netwerk bestaat uit verschillende kleine netwerken.
Een ander type nieuwe structuur toegepast op kunstmatige neurale netwerken wordt vaak een "comité van machines" genoemd, waar verschillende netwerkstructuren elk hun eigen "stem" of "mening" geven in een beslissingsmodelleringsproces. Dit wordt ook wel een associatief neuraal netwerk of ASNN genoemd. Het voordeel van dit soort onderzoek is duidelijk voor ingenieurs die geloven dat ASNN kan helpen bij het modelleren van menselijke groepsbeslissingen of andere complexe modellering op een vergelijkbare manier als de individuele besluitvormingsmodellen van ANN.
Een principe dat vaak wordt gebruikt door een kunstmatig neuraal netwerk wordt "fuzzy logic" genoemd. Het woord "fuzzy" wordt gebruikt om eventuele hiaten in gegevens of kennis te beschrijven. Neurale netwerken zijn vaak in staat om bepaalde gegevens of kennislacunes te dichten door goed onderbouwde gissingen en statistische voorspelling, wat in tegenstelling is tot de strikte "ja of nee" binaire logica die traditioneel wordt geassocieerd met elektronische besluitvorming. Het overwinnen van fuzzy logic helpt neurale netwerken om betere resultaten in simulaties te bieden. Met behulp van de bouwstenen van eerder onderzoek verbeteren planners en ingenieurs die ervaring hebben met kunstmatige neurale netwerken voortdurend wat deze hulpmiddelen kunnen doen om de grenzen van onze kennis over onze eigen geest te verleggen.