Vad är ett återkommande neuralt nätverk?

Konstgjorda neurala nätverk är informationsbehandlingssystem baserade på naturliga nervsystem som den mänskliga hjärnan.De består av många enskilda konstgjorda neuroner som är sammankopplade, kan lösa problem tillsammans och ha förmågan att lära sig.Ett återkommande neuralt nätverk (RNN) liknar särskilt den mänskliga hjärnan eftersom den innehåller återkopplingsslingor.Dessa gör det möjligt för signaler att resa både framåt och bakåt, vilket skapar ett mer komplext och mindre stabilt system.Det återkommande neurala nätverket är dynamiskt och efter varje inmatning förändras systemets tillstånd kontinuerligt tills det når en jämvikt.

Mänskliga hjärnor kan beskrivas som biologiska återkommande neurala nätverk.Ett konstgjort återkommande neuralt nätverk delar hjärnans förmåga att lära sig processer och beteenden.Detta är inte möjligt med metoder för traditionell maskininlärning.Gemensamt med andra typer av neurala nätverk är ett återkommande neuralt nätverk särskilt bra på att känna igen mönster och upptäcka trender.Ett antal potentiella användningar har hittats för denna typ av beräkningsmodell, inklusive att erkänna sjukdomar från medicinska skanningar, modellering av kroppssystem, tal- och handskrivningsigenkänning och prognos för aktiemarknaden.

Typiskt kommer ett återkommande neuralt nätverk att användas för att lösa ett problemdär det är känt eller starkt misstänkt, att det finns någon form av relation mellan datainmatningen och den okända utgången.Nätverket kommer att utbildas, eller kommer att utbilda sig själv, att utarbeta det förhållandet och ge ett möjligt utgångsvärde.Ett återkommande neuralt nätverk kan hantera stora komplexa problem där vissa värden saknas eller skadas.Dess förmåga att lära av exempel gör det kraftfullt och flexibelt och tar bort behovet av att skapa en algoritm för varje specifik uppgift.

Återkommande neurala nätverk kan beskrivas som icke-linjära statistiska datamodelleringsverktyg.Närvaron av återkopplingsslingor innebär att de är adaptiva system och kan svara på förändring.Ett återkommande neuralt nätverk som används inom robotområdet kan göra det möjligt för en robot att lära av erfarenhet, vilket gör att det kan fatta beslut om vilken riktning man ska fatta för att nå ett mål.Det kan till och med vara möjligt att utveckla nyfikenhet i robotar genom att göra det givande att fokusera på saker som är oförutsägbara, men inte helt slumpmässiga.Vissa forskare tror att medvetandet i sig är en mekanisk process och att det kan vara möjligt att utveckla en medveten form av återkommande neuralt nätverk en dag, även om detta skulle leda till etiska frågor om robotarnas och maskinernas rättigheter.