Ano ang isang backpropagation neural network?

Sa mundo ng programming, computer at artipisyal na katalinuhan, ang isang backpropagation neural network ay isang uri lamang ng artipisyal na neural network (ANN) na gumagamit ng backpropagation.Ang backpropagation ay isang pangunahing at isang karaniwang ginagamit na algorithm na nagtuturo sa isang Ann kung paano magsagawa ng isang naibigay na gawain.Kahit na ang konsepto na ito ay maaaring mukhang nakalilito, at pagkatapos ng pagtingin sa mga equation na kinakailangan sa panahon ng proseso ay tila ganap na dayuhan, ang konsepto na ito, kasama ang kumpletong neural network, ay medyo madaling maunawaan.

Para sa mga hindi pamilyar sa mga neural network,Ang isang ANN, o simpleng NN na nangangahulugan ng "Neural Network," ay isang modelo ng matematika na patterned pagkatapos ng ilang mga tampok ng mga tunay na buhay na neural network, tulad ng mga natagpuan sa mga nabubuhay na bagay.Ang utak ng tao ay ang pangwakas na neural network na ang paggana ay nagbibigay ng ilang mga pahiwatig kung paano mapapabuti ang istraktura at pagpapatakbo ng artipisyal na NNS.Tulad ng isang pinaka -rudimentary na utak, ang isang ANN ay may isang network ng magkakaugnay na artipisyal na mga neuron na nagpoproseso ng impormasyon.

Ano ang kaakit -akit tungkol dito ay ang isang ANN ay maaaring umangkop at baguhin ang istraktura nito kung kinakailangan, ayon sa impormasyong natatanggap nito mula sa kapaligiran at mula sa loob ng network.Ito ay isang sopistikadong modelo ng computational na gumagamit ng di-linear na pagtatasa ng data ng istatistika, at may kakayahang bigyang kahulugan ang mga kumplikadong relasyon sa mga data tulad ng mga input at output.Maaari itong gumana ng mga problema na hindi malulutas gamit ang tradisyonal na mga pamamaraan sa computational.

Ang ideya para sa isang backpropagation neural network ay unang dumating sa taong 1969 mula sa gawain nina Arthur E. Bryson at Yu-Chi Ho.Sa mga susunod na taon, ang iba pang mga programmer at siyentipiko ay pinino ang ideya.Simula noong 1974 ang backpropagation neural network ay kinikilala bilang isang makabagong tagumpay sa pag -aaral at paglikha ng mga artipisyal na neural network.gumanap nang maayos ang pag -andar nito.Ang isang backpropagation neural network ay gumagamit ng isang pangkalahatang anyo ng panuntunan ng Delta upang paganahin ang pag -aaral ng neural network.Nangangahulugan ito na ginagamit nito ang isang guro na may kakayahang makalkula ang nais na mga output sa labas ng ilang mga input na pinapakain sa network.

Sa madaling salita, ang isang backpropagation neural network ay natututo sa pamamagitan ng halimbawa.Ang programmer ay nagbibigay ng isang modelo ng pag -aaral na nagpapakita kung ano ang tamang output, bibigyan ng isang tiyak na hanay ng mga input.Ang halimbawa ng input-output na ito ay ang guro, o modelo, na ang iba pang mga bahagi ng network ay maaaring pattern ng kasunod na mga kalkulasyon pagkatapos.

Ang buong proseso ay nagpapatuloy sa mga sinusukat na agwat.Dahil sa isang tiyak na hanay ng mga input, inilalapat ng ANN ang pagkalkula na natutunan mula sa modelo upang makabuo ng isang paunang output.Pagkatapos ay inihahambing nito ang output na ito sa orihinal na kilala, inaasahan, o mahusay na output, at gumagawa ng mga pagsasaayos kung kinakailangan.Sa proseso, ang isang halaga ng error ay kinakalkula.Ito ay pagkatapos ay ipinalaganap pabalik -balik sa pamamagitan ng backpropagation neural network hanggang sa matukoy ang pinakamahusay na posibleng output.