Hvad er en kunstig neuron?

En kunstig neuron er en matematisk funktion i softwareprogrammering til computersystemer, der til en vis grad forsøger at efterligne den komplekse interaktion mellem biologiske neuroner eller impulsledende celler i den menneskelige hjerne og nervesystem.Den første version af kunstig neuron blev oprettet i 1943 af Warren McCulloch og Walter Pitts som en form for binær neuron, hvor input enten kunne være en værdi på 1 eller -1.Tilsammen vægtes en kombination af disse input.Hvis en bestemt tærskel overvindes, er output fra den kunstige neuron 1, og hvis inputene er utilstrækkelige, når de kombineres, er output en -1 -værdi.

sammen er en samling af sammenkoblede kunstige neuroner beregnet til at fungere i nogleGrundlæggende måde som den menneskelige hjerne.Et sådant kunstigt neuralt netværksdesign ses som et vigtigt springbræt langs stien til at udvikle kunstigt liv, syntetiske computersystemer, der i en vis kapacitet kan resonnere.Intelligente computersystemer i dag anvender allerede neurale netværk, der muliggør parallel behandling af dataindgang på en hurtigere måde end traditionel lineær computerprogrammering.

Et eksempel på et system på arbejdet, der afhænger af den kunstige neuron, er et afgrødebeskyttelsessystem, der er udviklet i 2006, som brugte et flyvende køretøj til at scanne afgrøder for tilstedeværelsen af sæsonbestemte sygdomme og skadedyr.Neural netværkssoftware blev valgt til at kontrollere scanning af afgrøderne, da neurale netværk i det væsentlige lærer computere.Efterhånden som flere data indføres på dem på lokale forhold, bliver de mere effektive til at opdage problemer, så de hurtigt kan kontrolleres, før de spreder sig.Et standard computerstyret system ville på den anden side have behandlet hele afgrøderne lige, uanset forskellige forhold i visse sektioner.Uden kontinuerlig omprogrammering af designerne, ville det have vist sig at være meget mere ineffektivt end et system baseret på kunstig neurontilpasning.

Neural netværkssoftware giver også den fordel, at det kan tilpasses af ingeniører, der ikke er intimt bekendt med det grundlæggende design af softwarenpå et kodningsniveau.Softwaren er i stand til at blive tilpasset en lang række betingelser og får færdigheder, da den udsættes for disse forhold og samler data om dem.Oprindeligt vil et neuralt netværk producere forkert output som løsninger på problemer, men da dette output produceres, føres det tilbage til systemet som input og en kontinuerlig proces med raffinering og vejning af dataene fører til mere og mere nøjagtig forståelse af reelVerdensforhold, givet nok tid og feedback.

Tilpasning i, hvordan et neuralt netværk er designet, har ført til andre typer kunstig neuron udover den grundlæggende binære neuronstruktur oprettet i 1943. Semi-lineære neurale netværk indeholder både lineære og ikke-lineære funktionerder er aktiveret af forhold.Hvis problemet, der analyseres, viser forhold, der ikke er lineære eller ikke klart forudsigelige og ikke mindre, bruges systemets ikke -lineære funktioner ved at få mere vægt end de lineære beregninger.Efterhånden som træning af det neurale system fortsætter, bliver systemet bedre til at kontrollere de virkelige verdensforhold, det overvåger kontra, hvad de ideelle forhold i systemet skal være.Dette involverer ofte at inkorporere neuro-fuzzy modeller i det neurale netværk, som er i stand til at redegøre for grader af upræcise ved at producere meningsfulde output- og kontroltilstande.