Was ist ein neuronales Netzwerk?

In einem typischen Computer, der nach einer sogenannten von von Neumann -Architektur bezeichnet wird, leben Speicherbanken in einem isolierten Modul.Es gibt nur einen Prozessor, der Anweisungen verarbeitet und Speicher nacheinander nacheinander umschreibt, wobei eine serielle Architektur verwendet wird.Ein anderer Berechnungsansatz ist das neuronale Netzwerk.In einem neuronalen Netzwerk, das aus Tausenden oder sogar Millionen einzelner Neuronen oder Knoten besteht, ist die gesamte Verarbeitung stark parallel und verteilt.Erinnerungen werden in den komplexen Verbindungen und Gewichtungen zwischen Knoten gespeichert.

Neuronales Netzwerk ist die Art der Computerarchitektur, die von Tierhirn in der Natur verwendet wird.Dies liegt nicht unbedingt daran, dass das neuronale Netzwerk eine von Natur aus überlegene Verarbeitungsart als serielles Computing ist, sondern weil ein Gehirn, das serielles Computing verwendet, viel schwieriger ist, sich inkrementell zu entwickeln.Neuronale Netzwerke befassen sich auch mit lauten Daten besser als serielle Computer.

In einem neuronalen Netzwerk in Feedforward sendet eine mit speziellen Knoten gefüllte Eingabeberichtungsschicht und sendet dann ein Signal an eine zweite Schicht basierend auf den von außen empfangenen Informationen,.Diese Informationen sind normalerweise ein binäres Ja oder kein Signal.Manchmal muss der Knoten von einem Nein zu einem Ja wechseln, um eine bestimmte Schwellenwertmenge an Aufregung oder Stimulation zu erleben.Ebene, die die Ergebnisse auf einem Bildschirm für Programmierer analysiert.Die menschliche Retina arbeitet auf neuronalen Netzwerken.Knoten der ersten Ebene erkennen einfache geometrische Merkmale im Gesichtsfeld wie Farben, Linien und Kanten.Sekundärknoten beginnen, anspruchsvollere Merkmale wie Bewegung, Textur und Tiefe abstrahieren.Die endgültige Ausgabe ist das, was unser Bewusstsein registriert, wenn wir uns das Gesichtsfeld ansehen.Die anfängliche Eingabe ist nur eine komplexe Anordnung von Photonen, die ohne die neurologische Hardware wenig bedeuten würde, um sie in Bezug auf sinnvolle Eigenschaften zu verstehen, wie die Idee eines dauerhaften Objekts.Kehren Sie zu diesen Schichten zurück, um weitere Signale einzuschränken.Die meisten unserer Sinne funktionieren auf diese Weise.Die anfänglichen Daten können zu einer fundierten Vermutung beim Endergebnis führen, gefolgt von zukünftigen Daten im Kontext dieser fundierten Vermutung.In optischen Illusionen machen unsere Sinne fundierte Vermutungen, die sich als falsch herausstellen.

Anstatt algorithmisch neuronale Netzwerke zu programmieren, müssen Programmierer ein neuronales Netzwerk mit Training oder empfindlicher Abstimmung einzelner Neuronen konfigurieren.Zum Beispiel würde das Training eines neuronalen Netzwerks zur Erkennung von Gesichtern viele Schulungsläufe erfordern, bei denen das Netzwerk unterschiedliche facelische und nicht bereitgestellte Objekte gezeigt wurde, begleitet von positivem oder negativem Feedback, um das neuronale Netzwerk zur Verbesserung der Erkennungsfähigkeiten zu verbessern.