Vad är ett feedforward neuralt nätverk?
Ett framåtriktat neuralt nätverk är en typ av nervnätverk där enhetsanslutningarna inte rör sig i en slinga utan snarare i en enda riktad väg. Detta skiljer sig från ett återkommande neuralt nätverk, där information kan röra sig både framåt och bakåt i hela systemet. Ett framåtriktat neuralt nätverk är kanske den vanligaste typen av nervnätverk, eftersom det är ett av de enklaste att förstå och konfigurera. Dessa typer av neurala nätverk används vid datainsamling och andra områden där det krävs ett prediktivt beteende.
Ett neuralt nätverk är ett konstgjord intelligensnätverk som är utformat för att löst imitera de "tänkande" -processerna i en mänsklig hjärna. Genom att mata strängar av data i nätverket ges datorn möjligheter att "lära sig" mönstren som strömmar genom det, vilket gör det möjligt för den att korrekt identifiera svar och ge trendanalys. De används i uppgifter där en viss grad av inlärning och mönsterigenkänning krävs, till exempel vid datainsamling. Data mining är helt enkelt analys av trender från en insamling av information, till exempel analys av konsumentköpstrender och framsteg på aktiemarknaden.
Information som reser genom ett framåtriktat neuralt nätverk går in i inmatningsskiktet, reser genom det dolda lagret och kommer ut från det yttre lagret i nätverket, vilket ger slutanvändaren ett svar på deras fråga. Ett inmatningsskikt är helt enkelt den plats där användaren skriver in rådata eller parametrar för informationen. Transaktionens kött äger rum i det dolda lagret, där datorn faller tillbaka på sin "upplevelse" att hantera liknande data för att ge ett uppskattat svar. Informationen trattas genom utgångsskiktet, där ett svar tillhandahålls till slutanvändaren.
Ett framåtriktat neuralt nätverk blir vanligtvis mer effektivt när slutanvändaren förser det med mer och mer experimentell data. Ungefär som att beräkna ett genomsnitt, kommer ett mer exakt resultat att uppnås genom att använda ett brett antal testhändelser. Till exempel är sannolikheten för att rulla en "1" på en sexsidig munstycke 16,667 procent; men det kommer att ta hundratals eller tusentals simuleringar innan det beräknade genomsnittet bekräftas genom användning av verkliga data. Nätverksnät för framåt är samma; deras svar blir mer exakta med tid och erfarenhet.