Qu'est-ce qu'un réseau neuronal de rétropropagation?

Dans le monde de la programmation, des ordinateurs et de l'intelligence artificielle, un réseau neuronal de rétropropagation est simplement une sorte de réseau neuronal artificiel (ANN) qui utilise la rétropropagation.La rétropropagation est un algorithme fondamental et est un algorithme couramment utilisé qui demande à un ANN comment effectuer une tâche donnée.Même si ce concept peut sembler déroutant, et après avoir examiné les équations nécessaires au cours du processus semble complètement étrangère, ce concept, ainsi que le réseau neuronal complet, est assez facile à comprendre.

pour ceux qui ne connaissent pas les réseaux de neurones,Un Ann, ou simplement un NN qui signifie «réseau neuronal», est un modèle mathématique qui s'inspire de certaines caractéristiques des réseaux neuronaux réels, comme ceux trouvés dans les êtres vivants.Le cerveau humain est le réseau neuronal ultime dont le fonctionnement fournit des indices sur la façon d'améliorer la structure et le fonctionnement des NN artificiels.Comme un cerveau des plus rudimentaires, un Ann a un réseau de neurones artificiels interconnectés qui traitent les informations.

Ce qui est fascinant, c'est qu'un ANN peut s'adapter et modifier sa structure si nécessaire, selon les informations qu'elle reçoit de l'environnement et du réseau.Il s'agit d'un modèle de calcul sophistiqué qui utilise une analyse statistique non linéaire et est capable d'interpréter des relations complexes entre des données telles que les entrées et les sorties.Il peut résoudre des problèmes qui ne peuvent pas être résolus en utilisant des méthodes de calcul traditionnelles.

L'idée d'un réseau neuronal de rétropropagation est venue pour la première fois en 1969 à partir des travaux d'Arthur E. Bryson et Yu-Chi Ho.Au cours des dernières années, d'autres programmeurs et scientifiques ont affiné l'idée.À partir de 1974, le réseau neuronal de rétropropagation a été reconnu comme une percée innovante dans l'étude et la création de réseaux de neurones artificiels.

L'apprentissage du réseau neuronal est une tâche majeure au sein d'une ANN qui garantit qu'elle continue de pouvoir traiter correctement les données et doncEffectuez sa fonction correctement.Un réseau neuronal de rétro-propagation utilise une forme généralisée de la règle delta pour permettre l'apprentissage du réseau neuronal.Cela signifie qu'il utilise un enseignant capable de calculer les sorties souhaitées à partir de certaines entrées introduites dans le réseau.

En d'autres termes, un réseau neuronal de rétro-propagation apprend par l'exemple.Le programmeur fournit un modèle d'apprentissage qui démontre quelle serait la sortie correcte, compte tenu d'un ensemble spécifique d'entrées.Cet exemple d'entrée-sortie est l'enseignant ou le modèle, que d'autres parties du réseau peuvent modernes des calculs ultérieurs après.

L'ensemble du processus se déroule méthodiquement par intervalles mesurés.Étant donné un ensemble précis des entrées, l'ANN applique le calcul appris du modèle pour proposer une sortie initiale.Il compare ensuite cette sortie à la sortie à l'origine, attendue ou bonne, et fait des ajustements au besoin.Dans le processus, une valeur d'erreur est calculée.Ceci se propage ensuite dans les deux sens à travers le réseau neuronal de rétro-propagation jusqu'à ce que la meilleure sortie possible soit déterminée.