Hva er et fremadgående nevralt nettverk?

Et fremadrettet nevralt nettverk er en type nevralt nettverk der enhetstilkoblingene ikke reiser i en sløyfe, men snarere i en enkelt rettet bane. Dette skiller seg fra et tilbakevendende nevralt nettverk, der informasjon kan bevege seg både fremover og bakover i hele systemet. Et fremadrettet nevralt nettverk er kanskje den vanligste typen nevrale nettverk, ettersom det er en av de enkleste å forstå og konfigurere. Disse typer nevrale nettverk brukes i data mining og andre studieretninger der det kreves forutsigbar atferd.

Et nevralt nettverk er et kunstig intelligensnettverk designet for å løst etterligne de "tenkende" prosessene til en menneskelig hjerne. Ved å mate data i nettverket i nettverket, får datamaskinen muligheter til å "lære" mønstrene som strømmer gjennom den, slik at den kan identifisere svar riktig og gi trendanalyse. De brukes i oppgaver der en viss grad av læring og mønstergjenkjenning er nødvendig, for eksempel under data mining -operasjoner. Data mining er ganske enkelt analysen av trender fra en samling av informasjon, for eksempel analyse av forbrukerkjøpstrender og aksjemarkedets fremgang.

Informasjon som reiser gjennom et fremadrettet nevralt nettverk går inn i inngangslaget, reiser gjennom det skjulte laget og kommer frem fra det ytre laget av nettverket, og gir sluttbrukeren et svar på spørringen. Et inngangslag er ganske enkelt stedet der brukeren går inn i rå data eller parametere for informasjonen. Kjøttet av transaksjonen foregår i det skjulte laget, der datamaskinen faller tilbake på sin "erfaring" med å håndtere lignende data for å produsere et estimert svar. Informasjonen er traktet gjennom utgangslaget, der et svar blir gitt tilbake til sluttbrukeren.

Et fremadgående nevralt nettverk blir vanligvis mer effektivt ettersom sluttbrukeren gir det mer og mer eksperimentelle data. Mye som CalcuLangering av et gjennomsnittlig, et mer nøyaktig resultat vil bli nådd fra å bruke et bredt antall testhendelser. For eksempel er sannsynligheten for å rulle en "1" på en seks-sidig dyse 16.667 prosent; Men det vil ta hundrevis eller tusenvis av simuleringer før det beregnede gjennomsnittet bekreftes ved bruk av data fra den virkelige verden. Feedforward nevrale nettverk er de samme; Svarene deres vil bli mer nøyaktige med tid og erfaring.