Hvad er et tilbagevendende neuralt netværk?

Kunstige neurale netværk er informationsbehandlingssystemer baseret på naturlige nervesystemer såsom den menneskelige hjerne.De består af mange individuelle kunstige neuroner, der er sammenkoblet, kan løse problemer sammen og have evnen til at lære.Et tilbagevendende neuralt netværk (RNN) ligner især den menneskelige hjerne, fordi det indeholder feedback -løkker.Disse giver signaler mulighed for at rejse både fremad og bagud og skabe et mere komplekst og mindre stabilt system.Det tilbagevendende neurale netværk er dynamisk, og efter hvert input ændres systemets tilstand konstant, indtil det når en ligevægt.

Human hjerner kan beskrives som biologiske tilbagevendende neurale netværk.En kunstig tilbagevendende neurale netværk deler hjernens evne til at lære processer og adfærd.Dette er ikke muligt med metoder til traditionel maskinlæring.I fælles med andre typer neurale netværk er et tilbagevendende neuralt netværk især godt til at genkende mønstre og plettrends.Der er fundet en række potentielle anvendelser til denne form for beregningsmodel, herunder genkendelse af sygdom fra medicinske scanninger, modellering af kropssystemer, tale og håndskriftgenkendelses- og aktiemarkedsprognoser.

Typisk vil et tilbagevendende neuralt netværk blive brugt til at løse et problemhvor det er kendt eller stærkt mistænkt, at der er en slags sammenhæng mellem dataindgangen og den ukendte output.Netværket trænes eller træner sig selv til at finde ud af dette forhold og give en mulig outputværdi.Et tilbagevendende neuralt netværk er i stand til at håndtere store komplekse problemer, hvor nogle værdier mangler eller ødelægges.Dets evne til at lære af eksempel gør det magtfuldt og fleksibelt og fjerner behovet for at skabe en algoritme for hver specifik opgave.

Gentagne neurale netværk kan beskrives som ikke-lineære statistiske datamodelleringsværktøjer.Tilstedeværelsen af feedback -løkker betyder, at de er adaptive systemer, der er i stand til at reagere på ændringer.Et tilbagevendende neuralt netværk, der bruges inden for robotik, kan gøre det muligt for en robot at lære af erfaring, så det kan tage beslutninger om, hvilken retning man skal tage for at nå et mål.Det kan endda være muligt at udvikle nysgerrighed i robotter ved at gøre det givende at fokusere på ting, der er uforudsigelige, men ikke helt tilfældige.Nogle forskere mener, at bevidstheden i sig selv er en mekanisk proces, og at det kan være muligt at udvikle en bevidst form for tilbagevendende neurale netværk en dag, selvom dette ville føre til etiske spørgsmål om robotternes og maskinernes rettigheder.