Hvad er et neuralt netværk?

På en typisk computer, lavet i henhold til det, der kaldes en von Neumann -arkitektur, bor hukommelsesbanker i et isoleret modul.Der er kun en processor, der behandler instruktioner og hukommelse omskriver en efter en ved hjælp af en seriel arkitektur.En anden tilgang til computing er det neurale netværk.I et neuralt netværk, der består af tusinder eller endda millioner af individuelle neuroner eller knudepunkter, er al behandling meget parallel og distribueret.Erindringer gemmes inden for de komplekse sammenkoblinger og vægtninger mellem knudepunkter.

Neurale netværk er den type computerarkitektur, der bruges af dyrehjerner i naturen.Dette er ikke nødvendigvis fordi det neurale netværk er en iboende overlegen behandlingstilstand end seriel computing, men fordi en hjerne, der bruger seriel computing, ville være meget vanskeligere at udvikle sig trinvist.Neurale netværk har også en tendens til at håndtere støjende data bedre end serielle computere.

I et fremadrettet neuralt netværk tager et inputlag fyldt med specialiserede noder information og sender derefter et signal til et andet lag baseret på de oplysninger, det modtog udefra.Disse oplysninger er normalt et binært ja eller intet signal.Nogle gange for at flytte fra et nej til et ja, skal noden opleve en bestemt tærskelmængde af spænding eller stimulering.

Data flytter fra inputlaget til de sekundære og tertiære lag, og så videre, indtil det når en endelig outputlag, der viser resultater på en skærm for programmerere at analysere.Den menneskelige nethinde fungerer baseret på neurale netværk.Første niveau -knudepunkter registrerer enkle geometriske funktioner i det visuelle felt, som farver, linjer og kanter.Sekundære knudepunkter begynder at abstrahere mere sofistikerede funktioner, såsom bevægelse, tekstur og dybde.Den endelige output er, hvad vores bevidsthed registrerer, når vi ser på det visuelle felt.Det indledende input er kun et komplekst arrangement af fotoner, der ville betyde lidt uden den neurologiske hardware for at give mening om det med hensyn til meningsfulde kvaliteter, såsom ideen om et vedvarende objekt.

Ved at backpropagere neurale netværk.Vend tilbage til disse lag for at begrænse yderligere signaler.De fleste af vores sanser fungerer på denne måde.De oprindelige data kan få et uddannet gæt på det endelige resultat, efterfulgt af at se på fremtidige data i sammenhæng med det uddannede gæt.I optiske illusioner gør vores sanser uddannede gæt, der viser sig at være forkerte.

I stedet for at programmere neurale netværksalgoritmisk, skal programmerere konfigurere et neuralt netværk med træning eller delikat tuning af individuelle neuroner.F.eks