Mạng thần kinh backpropagation là gì?

Trong thế giới lập trình, máy tính và trí tuệ nhân tạo, một mạng lưới thần kinh backpropagation chỉ đơn giản là một loại mạng thần kinh nhân tạo (ANN) sử dụng backpropagation.Backpropagation là một cơ bản và là một thuật toán thường được sử dụng để hướng dẫn một ANN cách thực hiện một nhiệm vụ nhất định.Mặc dù khái niệm này có vẻ khó hiểu và sau khi nhìn vào các phương trình được yêu cầu trong quá trình có vẻ hoàn toàn xa lạ, khái niệm này, cùng với mạng lưới thần kinh hoàn chỉnh, khá dễ hiểu. Đối với những người không quen thuộc với các mạng thần kinh,Một ANN, hoặc đơn giản là một NN là viết tắt của Mạng lưới thần kinh của Hồi giáo, là một mô hình toán học được mô phỏng theo một số tính năng nhất định của các mạng thần kinh ngoài đời thực, giống như những người được tìm thấy trong các sinh vật sống.Bộ não con người là mạng lưới thần kinh cuối cùng có chức năng cung cấp một số manh mối về cách cải thiện cấu trúc và hoạt động của các NN nhân tạo.Giống như một bộ não thô sơ nhất, ANN có một mạng lưới các tế bào thần kinh nhân tạo được kết nối với nhau xử lý thông tin.Điều hấp dẫn về nó là một ANN có thể điều chỉnh và sửa đổi cấu trúc của nó khi cần thiết, theo thông tin mà nó nhận được từ môi trường và từ trong mạng.Đây là một mô hình tính toán tinh vi sử dụng phân tích dữ liệu thống kê phi tuyến tính và có khả năng diễn giải các mối quan hệ phức tạp giữa các dữ liệu như đầu vào và đầu ra.Nó có thể giải quyết các vấn đề không thể giải quyết được bằng các phương pháp tính toán truyền thống.

Ý tưởng cho một mạng lưới thần kinh backpropagation lần đầu tiên xuất hiện vào năm 1969 từ tác phẩm của Arthur E. Bryson và Yu-Chi Ho.Trong những năm sau đó, các lập trình viên và nhà khoa học khác đã tinh chỉnh ý tưởng này.Bắt đầu từ năm 1974, mạng lưới thần kinh backpropagation đã được công nhận là một bước đột phá sáng tạo trong nghiên cứu và tạo ra các mạng lưới thần kinh nhân tạo.thực hiện chức năng của nó đúng.Một mạng lưới thần kinh backpropagation sử dụng một hình thức tổng quát của quy tắc Delta để cho phép học tập mạng thần kinh.Điều này có nghĩa là nó sử dụng một giáo viên có khả năng tính toán các đầu ra mong muốn ra khỏi các đầu vào nhất định được đưa vào mạng. Nói cách khác, một mạng lưới thần kinh backpropagation học bằng ví dụ.Lập trình viên cung cấp một mô hình học tập thể hiện đầu ra chính xác sẽ là gì, được đưa ra một tập hợp các đầu vào cụ thể.Ví dụ đầu vào đầu vào này là giáo viên hoặc mô hình, các phần khác của mạng có thể mô hình các tính toán tiếp theo sau. Toàn bộ quá trình tiến hành một cách có phương pháp trong các khoảng thời gian đo.Đưa ra một tập hợp các đầu vào xác định, ANN áp dụng tính toán được học từ mô hình để đưa ra đầu ra ban đầu.Sau đó, nó so sánh đầu ra này với đầu ra ban đầu, dự kiến hoặc đầu ra tốt và thực hiện các điều chỉnh khi cần thiết.Trong quá trình, một giá trị lỗi được tính toán.Điều này sau đó được tuyên truyền qua lại thông qua mạng thần kinh backpropagation cho đến khi đầu ra tốt nhất có thể được xác định.