Ano ang isang artipisyal na neuron?

Ang isang artipisyal na neuron ay isang pag-andar sa matematika sa programming ng software para sa mga computer system na sumusubok sa ilang antas upang tularan ang kumplikadong pakikipag-ugnay ng mga biological neuron, o mga cell-conducting cells sa utak ng tao at nerbiyos.Ang unang bersyon ng artipisyal na neuron ay nilikha noong 1943 nina Warren McCulloch at Walter Pitts bilang isang form ng binary neuron, kung saan ang input ay maaaring maging isang halaga ng 1 o -1.Sama -sama ang isang kumbinasyon ng mga input na ito ay may timbang.Kung ang isang tiyak na threshold ay pagtagumpayan, ang output ng artipisyal na neuron ay 1, at, kung ang mga input ay hindi sapat kapag pinagsama, ang output ay isang -1 na halaga.

magkasama, isang koleksyon ng magkakaugnay na artipisyal na mga neuron ay sinadya upang gumana sa ilanPangunahing paraan tulad ng utak ng tao.Ang nasabing artipisyal na disenyo ng neural network ay nakikita bilang isang pangunahing hakbang na hakbang sa landas sa pagbuo ng artipisyal na buhay, mga sintetikong computer system na maaaring mangatuwiran sa ilang kapasidad tulad ng ginagawa ng mga tao.Ang mga intelihenteng computer system ngayon ay gumagamit ng mga neural network na nagbibigay -daan para sa kahanay na pagproseso ng data input sa isang mas mabilis na fashion kaysa sa tradisyonal na linear computer programming.

Ang isang halimbawa ng isang sistema sa trabaho na nakasalalay sa artipisyal na neuron ay isang sistema ng proteksyon ng ani na binuo noong 2006, na ginamit ang isang lumilipad na sasakyan upang mai -scan ang mga kondisyon ng ani para sa pagkakaroon ng mga pana -panahong sakit at peste.Napili ang software ng Neural Network upang makontrol ang pag -scan ng mga pananim, dahil ang mga neural network ay mahalagang pag -aaral ng mga computer.Tulad ng mas maraming data ay pinakain sa kanila sa mga lokal na kondisyon, nagiging mas mahusay sila sa pagtuklas ng mga problema upang mabilis silang makontrol bago sila kumalat.Ang isang karaniwang sistema na kinokontrol ng computer, sa kabilang banda, ay ginagamot ang buong larangan ng mga pananim na pantay, anuman ang iba't ibang mga kondisyon sa ilang mga seksyon.Nang walang patuloy na pag -reprogramming ng mga taga -disenyo, napatunayan nito na mas hindi epektibo kaysa sa isang sistema batay sa mga artipisyal na pagbagay sa neuron.sa isang antas ng coding.Ang software ay may kakayahang maiakma sa isang malawak na hanay ng mga kondisyon, at nakakakuha ng kasanayan dahil nakalantad ito sa mga kundisyong iyon at nagtitipon ng data tungkol sa kanila.Sa una ang isang neural network ay makagawa ng hindi tamang output bilang mga solusyon sa mga problema, ngunit, dahil ang output na ito ay ginawa, ito ay pinapakain pabalik sa system bilang input at isang patuloy na proseso ng pagpino at pagtimbang ng data ay humahantong sa higit pa at mas tumpak na pag -unawa sa tunayMga Kundisyon sa Daigdig, Binigyan ng Sapat na Oras at Feedback.

Ang pagbagay sa kung paano dinisenyo ang isang neural network ay humantong sa iba pang mga uri ng artipisyal na neuron bukod sa pangunahing binary na istruktura ng neuron na nilikha noong 1943. Ang mga semi-linear na neural network ay isinasama ang parehong mga linear at non-linear functionna isinaaktibo ng mga kondisyon.Kung ang problema na nasuri ay nagpapakita ng mga kondisyon na hindi linear, o hindi malinaw na mahuhulaan, at hindi menor de edad, kung gayon ang mga nonlinear function ng system ay ginagamit sa pamamagitan ng pagbibigay ng mas maraming timbang kaysa sa mga pagkalkula ng linear.Habang nagpapatuloy ang pagsasanay ng sistemang neural, ang sistema ay nagiging mas mahusay sa pagkontrol sa totoong mga kondisyon ng mundo na sinusubaybayan ito kumpara sa kung ano ang dapat na perpektong kondisyon ng system.Ito ay madalas na nagsasangkot ng pagsasama ng mga neuro-fuzzy na mga modelo sa neural network, na magagawang account para sa mga degree ng hindi pagkakamali sa paggawa ng mga makabuluhang output at control states.