Ano ang isang feedforward neural network?

Ang isang feedforward neural network ay isang uri ng neural network kung saan ang mga koneksyon ng yunit ay hindi naglalakbay sa isang loop, ngunit sa isang solong direktang landas.Ito ay naiiba mula sa isang paulit -ulit na neural network, kung saan ang impormasyon ay maaaring ilipat ang parehong pasulong at paatras sa buong system.Ang isang feedforward neural network ay marahil ang pinaka -karaniwang uri ng neural network, dahil ito ay isa sa pinakamadaling maunawaan at i -configure.Ang mga ganitong uri ng mga neural network ay ginagamit sa pagmimina ng data at iba pang mga lugar ng pag -aaral kung saan kinakailangan ang mahuhulaan na pag -uugali.

Ang isang neural network ay isang artipisyal na network ng katalinuhan na idinisenyo upang maluwag na gayahin ang mga proseso ng pag -iisip ng isang utak ng tao.Sa pamamagitan ng pagpapakain ng mga string ng data sa network, ang computer ay binigyan ng mga pagkakataon upang malaman ang mga pattern na dumadaloy sa pamamagitan nito, na nagbibigay -daan upang tama na makilala ang mga sagot at magbigay ng pagsusuri sa takbo.Ginagamit ang mga ito sa mga gawain kung saan kinakailangan ang isang tiyak na antas ng pagkilala sa pag -aaral at pattern, tulad ng sa mga operasyon ng pagmimina ng data.Ang pagmimina ng data ay simpleng pagsusuri ng mga uso mula sa isang koleksyon ng impormasyon, tulad ng pagsusuri ng mga uso sa pagbili ng consumer at pag -unlad ng stock market.

Ang impormasyon na naglalakbay sa pamamagitan ng isang feedforward neural network ay pumapasok sa input layer, naglalakbay sa pamamagitan ng nakatagong layer, at lumitaw mula sa panlabas na layer ng network, na nagbibigay ng end user ng isang sagot sa kanilang query.Ang isang layer ng input ay simpleng lugar kung saan ang gumagamit ay pumapasok sa hilaw na data o mga parameter ng impormasyon.Ang karne ng transaksyon ay nagaganap sa nakatagong layer, kung saan ang computer ay bumabalik sa karanasan nito sa paghawak ng mga katulad na data upang makagawa ng isang tinantyang tugon.Ang impormasyon ay funneled sa pamamagitan ng output layer, kung saan ang isang sagot ay ibinigay pabalik sa end user.

Ang isang feedforward neural network ay karaniwang nagiging mas mahusay dahil ang end user ay nagbibigay nito ng higit pa at mas pang -eksperimentong data.Tulad ng pagkalkula ng isang average, isang mas tumpak na resulta ay maaabot mula sa paggamit ng isang malawak na bilang ng mga kaganapan sa pagsubok.Halimbawa, ang posibilidad ng pag-ikot ng isang 1 sa isang anim na panig na mamatay ay 16.667 porsyento;Ngunit aabutin ng daan-daang o libu-libong mga simulation bago ang kinakalkula na average ay nakumpirma sa pamamagitan ng paggamit ng data ng real-world.Ang feedforward neural network ay pareho;Ang kanilang mga tugon ay magiging mas tumpak sa oras at karanasan.