Co to jest sieć neuronowa?

W typowym komputerze, wykonanym zgodnie z tak zwaną architekturą von Neumann, banki pamięci żyją w izolowanym module.Istnieje tylko jeden procesor, który przetwarza instrukcje, a pamięć przepisuje jeden po drugim, przy użyciu architektury szeregowej.Innym podejściem do obliczeń jest sieć neuronowa.W sieci neuronowej, złożonej z tysięcy, a nawet milionów indywidualnych neuronów lub węzłów, wszystkie przetwarzanie jest wysoce równoległe i rozproszone.Wspomnienia są przechowywane w złożonych połączeniach i ciężarach między węzłami.Networking Networking jest rodzajem architektury obliczeniowej używanej przez mózgi zwierząt w przyrodzie.Niekoniecznie jest to dlatego, że sieć neuronowa jest z natury doskonałym trybem przetwarzania niż obliczenia szeregowe, ale dlatego, że mózg wykorzystujący obliczenia szeregowe byłoby znacznie trudniejsze do zwiększenia stopniowo.Sieci neuronowe mają również tendencję do radzenia sobie z głośnymi danymi lepiej niż komputery szeregowe.

W sieci neuronowej podawania, warstwa wejściowa wypełniona wyspecjalizowanymi węzłami, a następnie wysyła sygnał do drugiej warstwy w oparciu o informacje otrzymane z zewnątrz z zewnątrz.Ta informacja jest zwykle binarnym sygnałem tak lub nie.Czasami, aby przejść z nie na tak, węzeł musi doświadczyć pewnej progowej ilości podniecenia lub stymulacji.

Dane przenoszą się z warstwy wejściowej do warstw wtórnych i trzeciorzędowych, i tak dalej, aż osiągnie ostateczne wyjście wyjścioweWarstwa, która wyświetla wyniki na ekranie dla programistów do analizy.Human Retina działa na podstawie sieci neuronowych.Węzły pierwszego poziomu wykrywają proste cechy geometryczne w polu widzenia, takie jak kolory, linie i krawędzie.Drugorzędne węzły zaczynają abstrakcyjne bardziej wyrafinowane cechy, takie jak ruch, tekstura i głębokość.Ostateczna wydajność jest tym, co rejestruje nasza świadomość, gdy patrzymy na pole widzenia.Początkowe dane wejściowe jest tylko złożonym układem fotonów, które niewiele oznaczałoby bez sprzętu neurologicznego, aby zrozumieć go pod względem znaczących cech, takich jak idea trwałego obiektu.

W sieci neuronowych z tyłu, wyniki z wcześniejszych warstw mogąWróć do tych warstw, aby ograniczyć kolejne sygnały.Większość naszych zmysłów działa w ten sposób.Początkowe dane mogą wywołać wykształcone przypuszczenie w końcowym wyniku, a następnie analizowanie przyszłych danych w kontekście tego wykształconego przypuszczenia.W złudzeniach optycznych nasze zmysły wydają wykształcone domysły, które okazują się błędne.

Zamiast programowania sieci neuronowych algorytmicznie programiści muszą skonfigurować sieć neuronową ze szkoleniem lub delikatnym strojeniem poszczególnych neuronów.Na przykład szkolenie sieci neuronowej w celu rozpoznawania twarzy wymagałoby wielu przebiegów szkoleniowych, w których sieć pokazano różne obiekty FaCele i niewolnikowe, w towarzystwie pozytywnych lub negatywnych informacji zwrotnych w celu namawiania sieci neuronowej do poprawy umiejętności rozpoznawania.