Co to jest sieć neuronowa propagacji wstecznej?
W świecie programowania, komputerów i sztucznej inteligencji sieć neuronowa propagacji wstecznej jest po prostu rodzajem sztucznej sieci neuronowej (ANN), która wykorzystuje propagację zwrotną. Propagacja wsteczna jest fundamentalna i jest powszechnie stosowanym algorytmem, który instruuje SSN jak wykonać dane zadanie. Chociaż koncepcja ta może wydawać się myląca, a po przyjrzeniu się równaniom wymaganym w trakcie procesu wydaje się całkowicie obca, koncepcja ta wraz z kompletną siecią neuronową jest dość łatwa do zrozumienia.
Dla tych, którzy nie są zaznajomieni z sieciami neuronowymi, ANN lub po prostu NN, która oznacza „sieć neuronową”, jest modelem matematycznym wzorowanym na pewnych cechach rzeczywistych sieci neuronowych, takich jak te znalezione w żywych istotach. Ludzki mózg jest ostateczną siecią neuronową, której funkcjonowanie dostarcza wskazówek, jak poprawić strukturę i działanie sztucznych NN. Podobnie jak najbardziej podstawowy mózg, ANN ma sieć połączonych sztucznych neuronów, które przetwarzają informacje.
Fascynujące jest to, że ANN może dostosowywać i modyfikować swoją strukturę w razie potrzeby, zgodnie z informacjami otrzymywanymi ze środowiska i z sieci. Jest to zaawansowany model obliczeniowy, który wykorzystuje nieliniową analizę danych statystycznych i jest w stanie interpretować złożone relacje między danymi, takimi jak dane wejściowe i wyjściowe. Może rozwiązywać problemy, których nie można rozwiązać za pomocą tradycyjnych metod obliczeniowych.
Pomysł sieci neuronowej propagacji wstecznej pojawił się po raz pierwszy w 1969 roku z prac Arthura E. Brysona i Yu-Chi Ho. W późniejszych latach inni programiści i naukowcy dopracowali ten pomysł. Począwszy od 1974 r. Sieć neuronowa propagacji wstecznej została uznana za innowacyjny przełom w badaniach i tworzeniu sztucznych sieci neuronowych.
Uczenie się sieci neuronowej jest głównym zadaniem w ramach ANN, które zapewnia, że nadal będzie w stanie poprawnie przetwarzać dane, a tym samym poprawnie wykonywać swoją funkcję. Sieć neuronowa propagacji wstecznej wykorzystuje uogólnioną formę reguły delta, aby umożliwić uczenie się sieci neuronowej. Oznacza to, że korzysta z nauczyciela, który jest w stanie obliczyć pożądane wyniki na podstawie określonych danych wejściowych do sieci.
Innymi słowy, sieć neuronowa propagacji wstecznej uczy się na przykładzie. Programista zapewnia model uczenia się, który pokazuje, jaki byłby prawidłowy wynik, biorąc pod uwagę określony zestaw danych wejściowych. Ten przykład wejścia-wyjścia jest nauczycielem lub modelem, po którym inne części sieci mogą wzorować kolejne obliczenia.
Cały proces przebiega metodycznie w zmierzonych odstępach czasu. Biorąc pod uwagę określony zestaw danych wejściowych, ANN stosuje obliczenia wyuczone z modelu, aby uzyskać wyjściowy wynik. Następnie porównuje te dane wyjściowe z pierwotnie znanymi, oczekiwanymi lub dobrymi danymi wyjściowymi i dostosowuje w razie potrzeby. W trakcie tego procesu obliczana jest wartość błędu. Jest to następnie propagowane w tę iz powrotem przez sieć neuronową propagacji wstecznej, aż zostanie określone najlepsze możliwe wyjście.