Co to jest sztuczna sieć neuronowa?
Sztuczna sieć neuronowa to nazwa technologii komputerowej, która próbuje naśladować ludzki mózg. Sztuczna sieć neuronowa lub ANN obejmuje symulowane neurony i bodźce do prób odtworzenia funkcji mózgu. Ta szeroka gama oprogramowania i urządzeń wykorzystuje modele algorytmów neuronowych do tworzenia procesów decyzyjnych, które planiści mają nadzieję naśladować ludzkie procesy myślowe. Sztuczne sieci neuronowe stanowią ogromny postęp od stosunkowo prymitywnych pomysłów na temat komputerów w poprzednich dekadach.
Oprogramowanie sieci neuronowej jest tradycyjnie stosowane do grania w gry i innych zadań wymagających względnie wyrachowanej ludzkiej myśli. W bardziej biofizycznym sensie sieci neuronowe opierają się na badaniu, w jaki sposób neurony mózgu komunikują się i przekazują wiadomości. Aplikacje sieci neuronowych obejmują interakcję różnych funkcji, w których inżynierowie analizują całkowitą wydajność, aby zobaczyć, jak te sztuczne systemy sieci neuronowej mogą skutecznie naśladować ludzką myśl. Różnorodne „rzeczywiste aplikacje” dla ANN obejmują analizę regresji, aproksymację funkcji, robotykę i ogólne przetwarzanie danych.
Opracowano różne typy sztucznych sieci neuronowych dla różnych przepisów badawczych. Wykorzystują one różne rodzaje modeli uczenia się, takie jak nadzorowane, nienadzorowane lub wzmocnione uczenie się. Typy sieci neuronowych obejmują jednokierunkową sieć neuronową do przekazywania do przodu, radialną funkcję bazową lub sieć RBF, samoorganizującą się sieć Kohonen, a nawet modułowe sieci neuronowe, w których większa sieć składa się z kilku małych.
Inny rodzaj nowej struktury stosowanej do sztucznych sieci neuronowych jest często nazywany „komitetem maszyn”, gdzie każda z różnych struktur sieci zapewnia swój „głos” lub „opinię” w procesie modelowania decyzji. Jest to czasem nazywane asocjacyjną siecią neuronową lub ASNN. Korzyści z tego rodzaju badań są oczywiste dla inżynierów, którzy uważają, że ASNN może pomóc w modelowaniu podejmowania decyzji przez grupę ludzką lub w innym złożonym modelowaniu w podobny sposób, jak w przypadku indywidualnych modeli podejmowania decyzji przedstawionych w ANN.
Zasada często wykorzystywana przez sztuczną sieć neuronową nazywa się „logiką rozmytą”. Słowo „rozmyta” jest używane do opisania wszelkich luk w danych lub wiedzy. Sieci neuronowe często potrafią uzupełnić niektóre luki w danych lub wiedzy poprzez wykształcone zgadywanie i przewidywanie statystyczne, co stanowi przeciwieństwo ścisłej logiki binarnej „tak lub nie” tradycyjnie kojarzonej z elektronicznym podejmowaniem decyzji. Przezwyciężenie logiki rozmytej pomaga sieciom neuronowym zapewnić lepsze wyniki w symulacjach. Wykorzystując elementy składowe poprzednich badań, planiści i inżynierowie doświadczeni ze sztucznymi sieciami neuronowymi nieustannie udoskonalają możliwości tych narzędzi, aby przekraczać granice naszej wiedzy o naszych umysłach.