Hva er et kunstig nevralt nettverk?
Et kunstig nevralt nettverk er et navn på en slags datateknologi som prøver å etterligne den menneskelige hjernen. Et kunstig nevralt nettverk eller ANN inkluderer simulerte nevroner og stimuli for forsøk på å reprodusere funksjonene i hjernen. Dette brede spekteret av programvare og enheter bruker nevrale algoritmemodeller for å lage beslutningsprosesser som planleggere håper vil etterligne menneskelige tankeprosesser. Kunstige nevrale nettverk representerer et stort fremskritt fra relativt primitive ideer om datamaskiner i tidligere tiår.
Nevralt nettverksprogramvare brukes tradisjonelt til spill og andre oppgaver som involverer relativt beregnet menneskelig tanke. I en mer bio-fysisk forstand er nevrale nettverk basert på undersøkelse av hvordan hjernens nevroner kommuniserer og videresender meldinger. Nevrale nettverksapplikasjoner inkluderer interaksjon mellom forskjellige funksjoner, der ingeniører ser på den totale produktive produksjonen for å se hvordan disse kunstige nevrale nettverkssystemene effektivt kan imitere menneskelig tanke. En rekke "virkelige applikasjoner" for ANN inkluderer regresjonsanalyse, funksjonstilnærming, robotikk og generell databehandling.
Ulike typer kunstige nevrale nettverk er utviklet for forskjellige forskningsbestemmelser. Disse bruker forskjellige typer læringsmodeller som veiledet, uten tilsyn eller forsterket læring. Typer nevrale nettverk inkluderer et enveis fremadrettet nevralt nettverk, en radiell basisfunksjon eller RBF-nettverk, et Kohonen-selvorganiserende nettverk, og til og med modulære nevrale nettverk der et større nettverk består av flere små.
En annen type ny struktur brukt på kunstige nevrale nettverk kalles ofte et "utvalg av maskiner" der forskjellige nettverksstrukturer gir hver sin "stemme" eller "mening" i en beslutningsmodelleringsprosess. Dette kalles også noen ganger et assosiativt nevralt nettverk eller ASNN. Fordelen med denne typen forskning er åpenbar for ingeniører som tror at ASNN kan hjelpe med å modellere beslutninger om menneskelig gruppe eller annen kompleks modellering på noen lignende måter som de individuelle beslutningsmodellene levert av ANN.
Et prinsipp som ofte brukes av et kunstig nevralt nettverk kalles "uklar logikk." Ordet "uklar" brukes for å beskrive eventuelle mangler i data eller kunnskap. Nevrale nettverk er ofte i stand til å lukke noen data eller kunnskapsgap ved utdannet gjette og statistisk prediksjon, noe som er i kontrast til den strenge "ja eller nei" binære logikken som tradisjonelt er assosiert med elektronisk beslutningstaking. Å overvinne uklar logikk hjelper nevrale nettverk til å gi bedre resultater i simuleringer. Ved å bruke byggesteinene fra tidligere forskning forbedrer planleggere og ingeniører som er erfarne med kunstige nevrale nettverk, hva disse verktøyene kan gjøre for å skyve grensene for kunnskapen vår om våre egne sinn.