Co to jest sieć neuronowa z tyłu?
W świecie programowania, komputerów i sztucznej inteligencji sieć neuronowa z tyłu to po prostu sztuczna sieć neuronowa (ANN), która wykorzystuje propagację wsteczną. Propagacja wsteczna jest fundamentalną i jest powszechnie używanym algorytmem, który instruuje Ann, jak wykonać dane zadanie. Mimo że ta koncepcja może wydawać się myląca, a po spojrzeniu na równania wymagane podczas procesu wydaje się całkowicie obce, ta koncepcja wraz z kompletną siecią neuronową jest dość łatwa do zrozumienia.
Dla tych, którzy nie są zaznajomieni z sieciami neuronowymi, Ann lub po prostu NN, które oznacza „sieć neuronową”, jest modelem matematycznym, który jest wzorowany na pewnych cechach prawdziwych sieci neuronowych, takich jak te znalezione w żywych rzeczach. Ludzki mózg jest ostateczną siecią neuronową, której funkcjonowanie zapewnia pewne wskazówki, jak poprawić strukturę i działanie sztucznych NN. Jak najbardziej podstawowy mózg, ANN ma sieć połączonych sztucznychneurony, które przetwarzają informacje.
To, co jest w tym fascynujące, jest to, że ANN może dostosowywać i modyfikować swoją strukturę w razie potrzeby, zgodnie z informacjami, które otrzymuje ze środowiska i z sieci. Jest to wyrafinowany model obliczeniowy, który wykorzystuje nieliniową analizę danych statystycznych i jest w stanie interpretować złożone relacje między danymi, takimi jak dane wejściowe i wyjścia. Może to rozwiązać problemy, których nie można rozwiązać za pomocą tradycyjnych metod obliczeniowych.
Pomysł na sieć neuronową z tyłu po raz pierwszy pojawiła się w 1969 roku z pracy Arthura E. Brysona i Yu-Chi Ho. W późniejszych latach inni programiści i naukowcy udoskonalili ten pomysł. Począwszy od 1974 r. Sieć neuronowa z tyłu, uznaje się za innowacyjny przełom w badaniu i tworzeniu sztucznych sieci neuronowych.
Uczenie się sieci neuronowej jest głównym TASK w ANN, która zapewnia, że nadal jest w stanie poprawnie przetwarzać dane, a tym samym poprawnie wykonywać swoją funkcję. Sieć neuronowa z tyłu wykorzystuje uogólnioną formę reguły Delta, aby umożliwić uczenie się sieci neuronowej. Oznacza to, że wykorzystuje nauczyciela, który jest w stanie obliczyć pożądane wyniki z pewnych danych wejściowych zasilanych do sieci.
Innymi słowy, sieć neuronowa z tyłu uczy się na przykład. Programista zapewnia model uczenia się, który pokazuje, jakie byłyby właściwe wyjście, biorąc pod uwagę określony zestaw danych wejściowych. Ten przykład wejściowy jest nauczycielem lub model, że inne części sieci mogą wzorować kolejne obliczenia po.Cały proces przebiega metodycznie w odstępach zmierzonych. Biorąc pod uwagę określony zestaw danych wejściowych, ANN stosuje obliczenia wyuczone z modelu, aby wymyślić początkowe dane wyjściowe. Następnie porównuje to wyjście z pierwotnie znanym, oczekiwanym lub dobrym wyjściem i dokonuje regulacjis w razie potrzeby. W tym procesie obliczana jest wartość błędu. Jest to następnie propagowane w przód iw tył przez sieć neuronową z tyłu, aż do ustalenia najlepszego możliwego wyjścia.