Vad är ett neuralt nätverk?

I en typisk dator gjorts i enlighet med vad som kallas en Von Neumann-arkitekturen, minne banker lever i en isolerad modul. Det finns bara en processor som bearbetar instruktioner och minne skriver om en efter en, med en seriell arkitektur. En annan syn på datorer är neurala nätverk. I ett neuralt nätverk består av tusentals eller miljontals enskilda "nervceller" eller "noder", all behandling är mycket parallella och distribuerade. "Minnen" är lagrat i komplexa sammanlänkningar och vikter mellan noder.

neurala nätverk är den typ av datorarkitektur som används av djur hjärnor i naturen. Detta är inte nödvändigtvis för att neurala nätverk är en oerhört överlägsen metod för bearbetning än seriella data, men eftersom en hjärna som använder seriell data skulle vara mycket svårare att utvecklas stegvis. Neurala nätverk tenderar också att ta itu med "bullriga data" bättre än seriella datorer.

I en framkoppling neurala nätverk tar en "inmatningslagret" fylld med specialiserade noder i information, skickar sedan en signal till ett andra lager baseras på den information den fått från utsidan. Denna information är vanligtvis en binär "ja eller nej"-signal. Ibland, för att flytta från ett "nej" till ett "ja" den nod har att uppleva en viss tröskel mängd spänning eller stimulans.

Data flyttar från inmatningslagret till den sekundära och tertiära lager, och så vidare, tills den når en slutlig "output lager" som visar resultaten på en skärm för programmerare att analysera. Det mänskliga ögats näthinna arbeten baserade på neurala nätverk. Grundnivå noder upptäcka enkla geometriska egenskaper i synfältet, som färger, linjer och kanter. Sekundär noder börjar abstrakta mer avancerade funktioner, t. ex. rörelse, textur och djup. Den sista "output" är vad vårt medvetande registrerar när vi tittar på synfältet. Den ursprungliga ingången är bara ett komplicerat system av fotoner som skulle betyda mycket utan neurologiska hårdvara för att förstå det i termer av meningsfulla egenskaper, såsom idén om en varaktig objekt.

I backpropagating neurala nätverk, resultat från tidigare lager kan återgå till dessa nivåer för att begränsa ytterligare signaler. De flesta av våra sinnen fungerar på detta sätt. De första uppgifterna kan driva fram en "kvalificerad gissning" på det slutliga resultatet, följt av att titta på framtida uppgifter inom ramen för denna kvalificerade gissning. I optiska illusioner, våra sinnen gör kvalificerade gissningar som visar sig vara felaktig.

istället för programmering neurala nätverk algoritmiskt måste programmerare konfigurera ett neuralt nätverk med utbildning eller känsliga trimning av enskilda nervceller. Till exempel utbildning ett neuralt nätverk att känna igen ansikten skulle kräva många utbildning går där olika "facelike" och "unfacelike" objekt visades till nätverket, tillsammans med positiv eller negativ feedback till lirka neurala nätverk på att förbättra erkännandet kunskaper.


Kommentarer

  • Om oss
  • Reklam
  • Kontakta redaktören
  • Få nyhetsbrev
  • RSS-feed

Redaktör: Beáta Megyesi
Nyheter redaktör: Christiane Schaefer

Kundservice: Mats Schaefer,
Helena Löthman

Tel: +46 00 79 22 00
Fax: +46 00 79 22 01

© Copyright 2014 Debok.net - All rights reserved.