Vad är ett konstgjordt neuralt nätverk?
Ett konstgjordt neuralt nätverk är ett namn på en slags datorteknik som försöker imitera den mänskliga hjärnan. Ett artificiellt neuralt nätverk eller ANN inkluderar simulerade neuroner och stimuli för försök att reproducera hjärnans funktioner. Detta brett utbud av programvara och enheter använder neurala algoritmmodeller för att skapa beslutsprocesser som planerare hoppas kommer att efterlikna mänskliga tankeprocesser. Konstgjorda neurala nätverk representerar ett stort framsteg från relativt primitiva idéer om datorer under tidigare decennier.
Neural nätverksprogramvara används traditionellt för spel och andra uppgifter som involverar relativt beräknade mänskliga tankar. I en mer bio-fysisk betydelse baseras nervnätverk på undersökning av hur hjärnans neuroner kommunicerar och vidarebefordrar meddelanden. Neurala nätverksapplikationer inkluderar interaktion mellan olika funktioner, där ingenjörer tittar på den totala produktiva produktionen för att se hur dessa konstgjorda neurala nätverkssystem effektivt kan imitera mänsklig tanke. En mängd "verkliga applikationer" för ANN inkluderar regressionsanalys, funktions approximation, robotik och allmän databehandling.
Olika typer av konstgjorda neurala nätverk har utvecklats för olika forskningsbestämmelser. Dessa använder olika typer av inlärningsmodeller som övervakat, oövervakat eller förstärkt lärande. Typer av neurala nätverk inkluderar ett envägs framåtriktat neuralt nätverk, en radiell basfunktion eller RBF-nätverk, ett Kohonen-självorganiserande nätverk och till och med modulära neurala nätverk där ett större nätverk består av flera små.
En annan typ av ny struktur som tillämpas på konstgjorda neurala nätverk kallas ofta en "kommitté av maskiner" där olika nätverksstrukturer ger sina egna "röster" eller "åsikter" i en beslutsmodelleringsprocess. Detta kallas också ibland ett associerande neuralt nätverk eller ASNN. Fördelen med denna typ av forskning är uppenbar för ingenjörer som tror att ASNN kan hjälpa till att modellera beslutsfattande av mänsklig grupp eller annan komplex modellering på liknande sätt som de individuella beslutsmodellerna som tillhandahålls av ANN.
En princip som ofta används av ett konstgjordt neuralt nätverk kallas "fuzzy logic." Ordet "fuzzy" används för att beskriva eventuella luckor i data eller kunskap. Neurala nätverk kan ofta stänga vissa data eller kunskapsbrister genom utbildade gissningar och statistiska förutsägelser, vilket är i kontrast till den strikta "ja eller nej" binära logiken som traditionellt är förknippad med elektroniskt beslutsfattande. Att övervinna fuzzy logik hjälper neurala nätverk att ge bättre resultat i simuleringar. Med hjälp av byggstenarna från tidigare forskning förbättrar planerare och ingenjörer med erfarenhet av konstgjorda neurala nätverk ständigt vad dessa verktyg kan göra för att driva gränserna för vår kunskap om våra egna sinnen.