Keinotekoisen hermoverkon opetusohjelma tarjoaa perus- ja edistykselliset käsitteet ANN:ista. Keinotekoisen hermoverkon opetusohjelmamme on kehitetty sekä aloittelijoille että ammattilaisille.

Termi 'keinotekoinen hermoverkko' viittaa biologisesti inspiroituun tekoälyn osa-alueeseen, joka on mallinnettu aivojen mukaan. Keinotekoinen hermoverkko on yleensä laskennallinen verkko, joka perustuu biologisiin hermoverkkoihin, jotka rakentavat ihmisen aivojen rakenteen. Samoin kuin ihmisen aivoissa on hermosoluja, jotka ovat yhteydessä toisiinsa, myös keinotekoisissa hermoverkoissa on neuroneja, jotka ovat yhteydessä toisiinsa verkostojen eri kerroksissa. Nämä neuronit tunnetaan solmuina.

isäntä linux

Keinotekoisen hermoverkon opetusohjelma kattaa kaikki keinotekoiseen hermoverkkoon liittyvät näkökohdat. Tässä opetusohjelmassa käsittelemme ANN:ita, Adaptiivista resonanssiteoriaa, Kohosen itseorganisoituvaa karttaa, rakennuspalikoita, ohjaamatonta oppimista, geneettistä algoritmia jne.

Mikä on keinotekoinen hermoverkko?

Termi ' Keinotekoinen hermoverkko ' on peräisin biologisista hermoverkoista, jotka kehittävät ihmisen aivojen rakennetta. Kuten ihmisaivoissa, joissa hermosolut ovat yhteydessä toisiinsa, myös keinotekoisissa hermoverkoissa on neuroneja, jotka ovat yhteydessä toisiinsa verkostojen eri kerroksissa. Nämä neuronit tunnetaan solmuina.

Annettu kuva havainnollistaa tyypillistä biologisen hermoverkon kaaviota.

Tyypillinen keinotekoinen hermoverkko näyttää suunnilleen annetulta kuviolta.

Biologisen hermoverkon dendriitit edustavat syötteitä keinotekoisissa hermoverkoissa, solun ydin edustaa solmuja, synapsi edustaa painoja ja Axon edustaa lähtöä.

Biologisen hermoverkon ja keinotekoisen hermoverkon välinen suhde:

An Keinotekoinen hermoverkko alalla Tekoäly jossa se yrittää jäljitellä neuronien verkkoa, joka muodostaa ihmisen aivot, jotta tietokoneilla on mahdollisuus ymmärtää asioita ja tehdä päätöksiä ihmisen kaltaisella tavalla. Keinotekoinen hermoverkko on suunniteltu ohjelmoimalla tietokoneet toimimaan yksinkertaisesti kuin toisiinsa yhteydessä olevat aivosolut.

Ihmisen aivoissa on noin 1000 miljardia neuronia. Jokaisella neuronilla on assosiaatiopiste jossain välillä 1 000 ja 100 000. Ihmisaivoissa data tallentuu siten, että se jakautuu, ja voimme poimia tätä dataa tarvittaessa useamman osan muististamme rinnakkain. Voimme sanoa, että ihmisen aivot koostuvat uskomattoman hämmästyttävistä rinnakkaisista prosessoreista.

Voimme ymmärtää keinotekoisen hermoverkon esimerkin avulla, tarkastella esimerkkiä digitaalisesta logiikkaportista, joka ottaa sisääntulon ja antaa lähdön. 'OR'-portti, joka vie kaksi tuloa. Jos toinen tai molemmat tulot ovat 'On', saamme 'On' lähdössä. Jos molemmat tulot ovat 'Off', saamme 'Off' lähdössä. Tässä lähtö riippuu syötteestä. Aivomme eivät suorita samaa tehtävää. Tuotokset tuloihin muuttuvat jatkuvasti aivoissamme olevien neuronien vuoksi, jotka 'oppivat'.

Keinotekoisen hermoverkon arkkitehtuuri:

Ymmärtääksemme keinotekoisen hermoverkon arkkitehtuurin käsitteen meidän on ymmärrettävä, mistä hermoverkko koostuu. Sellaisen hermoverkon määrittelemiseksi, joka koostuu suuresta määrästä keinotekoisia hermosoluja, joita kutsutaan yksiköiksi, jotka on järjestetty kerrosjonoon. Katsotaanpa erilaisia ​​kerroksia, jotka ovat saatavilla keinotekoisessa hermoverkossa.

Keinotekoinen hermoverkko koostuu pääasiassa kolmesta kerroksesta:

Syötekerros:

Kuten nimestä voi päätellä, se hyväksyy syötteet useissa ohjelmoijan tarjoamissa muodoissa.

Piilotettu kerros:

Piilotettu kerros on syöttö- ja tulostuskerrosten välissä. Se suorittaa kaikki laskelmat piilotettujen ominaisuuksien ja kuvioiden löytämiseksi.

Tulostuskerros:

Syöte käy läpi sarjan muunnoksia käyttämällä piilotettua kerrosta, mikä lopulta johtaa tuotteeseen, joka välitetään tällä kerroksella.

Keinotekoinen hermoverkko ottaa syötteen ja laskee tulojen painotetun summan ja sisältää biasin. Tämä laskenta on esitetty siirtofunktion muodossa.

Se määrittää, että painotettu kokonaissumma välitetään tulona aktivointifunktiolle lähdön tuottamiseksi. Aktivointitoiminnot valitsevat, käynnistyykö solmu vai ei. Vain potkut pääsevät tuloskerrokseen. Käytettävissä on erityisiä aktivointitoimintoja, joita voidaan soveltaa suorittamamme tehtävän mukaan.

Keinotekoisen hermoverkon (ANN) edut

Rinnakkaiskäsittelykyky:

Keinotekoisilla hermoverkoilla on numeerinen arvo, joka voi suorittaa useamman kuin yhden tehtävän samanaikaisesti.

Tietojen tallentaminen koko verkkoon:

Perinteisessä ohjelmoinnissa käytettävät tiedot tallennetaan koko verkkoon, ei tietokantaan. Muutaman tiedon katoaminen yhdestä paikasta ei estä verkkoa toimimasta.

Kyky työskennellä epätäydellisillä tiedoilla:

lankojen synkronointi

ANN-koulutuksen jälkeen tiedot voivat tuottaa tulosteita, vaikka tiedot olisivat riittämättömiä. Suorituskyvyn menetys riippuu puuttuvien tietojen merkityksestä.

Muistin jakelu:

merkkijono javassa

Jotta ANN kykenisi sopeutumaan, on tärkeää määrittää esimerkit ja rohkaista verkkoa halutun tuloksen mukaan näyttämällä nämä esimerkit verkolle. Verkon peräkkäisyys on suoraan verrannollinen valittuihin instansseihin, ja jos tapahtuma ei näy verkolle kaikilta osin, se voi tuottaa vääriä tulosteita.

Vikasietokyky:

Yhden tai useamman ANN:n solun kiristys ei estä sitä tuottamasta lähtöä, ja tämä ominaisuus tekee verkosta vikasietoisen.

Keinotekoisen hermoverkon haitat:

Oikean verkkorakenteen varmistaminen:

Keinotekoisten hermoverkkojen rakenteen määrittämiselle ei ole erityistä ohjetta. Sopiva verkkorakenne saadaan aikaan kokemuksen, kokeilun ja erehdyksen kautta.

Verkon tunnistamaton toiminta:

Se on ANN:n merkittävin kysymys. Kun ANN tuottaa testausratkaisun, se ei anna käsitystä siitä, miksi ja miten. Se heikentää luottamusta verkkoon.

Laitteistoriippuvuus:

Keinotekoiset hermoverkot tarvitsevat prosessoreita, joilla on rinnakkainen prosessointiteho rakenteensa mukaisesti. Siksi laitteiston toteutus on riippuvainen.

Ongelman näyttäminen verkossa on vaikeaa:

ANN:t voivat työskennellä numeeristen tietojen kanssa. Ongelmat on muunnettava numeerisiksi arvoiksi ennen kuin ne viedään ANN:iin. Tässä ratkaistava esitysmekanismi vaikuttaa suoraan verkon suorituskykyyn. Se riippuu käyttäjän kyvyistä.

Verkon kestoa ei tiedetä:

Verkko pienennetään tiettyyn virheen arvoon, eikä tämä arvo anna meille optimaalisia tuloksia.

Tiede keinotekoiset neuroverkot, jotka ovat tunkeutuneet maailmaan 20-luvun puolivälissä^thvuosisadalla kehittyvät eksponentiaalisesti. Tällä hetkellä olemme selvittäneet keinotekoisten neuroverkkojen etuja ja niiden käytössä kohdattuja ongelmia. Ei pidä unohtaa, että kukoistavan tieteenalan ANN-verkkojen haitat eliminoidaan yksitellen ja niiden edut lisääntyvät päivä päivältä. Se tarkoittaa, että keinotekoisista hermoverkoista tulee asteittain tärkeä osa elämäämme.

Kuinka keinotekoiset neuroverkot toimivat?

Keinotekoinen hermoverkko voidaan parhaiten esittää painotettuna suunnattuna graafina, jossa keinotekoiset neuronit muodostavat solmut. Hermosolujen ulostulojen ja neuronitulojen välinen yhteys voidaan nähdä painotettujen suunnattujen reunojen muodossa. Keinotekoinen hermoverkko vastaanottaa tulosignaalin ulkoisesta lähteestä kuvion ja kuvan vektorin muodossa. Nämä syötteet määritetään sitten matemaattisesti merkinnöillä x(n) jokaista n syötteiden määrää kohden.

Myöhemmin jokainen syöte kerrotaan vastaavilla painoilla (nämä painot ovat yksityiskohtia, joita keinotekoiset neuroverkot käyttävät tietyn ongelman ratkaisemiseen). Yleisesti ottaen nämä painot edustavat normaalisti keinotekoisen hermoverkon sisällä olevien hermosolujen välisen yhteyden vahvuutta. Kaikki painotetut syötteet on koottu laskentayksikön sisällä.

Jos painotettu summa on yhtä suuri kuin nolla, bias lisätään, jotta tulos ei ole nolla, tai jotain muuta, joka skaalautuu järjestelmän vasteeseen. Biasilla on sama syöte ja paino on 1. Tässä painotettujen syötteiden kokonaismäärä voi olla välillä 0 - positiivinen ääretön. Tässä, jotta vaste pysyy halutun arvon rajoissa, benchmarkoidaan tietty maksimiarvo ja painotettujen tulojen kokonaismäärä ohjataan aktivointitoiminnon läpi.

Aktivointitoiminto viittaa joukkoon siirtotoimintoja, joita käytetään halutun lähdön saavuttamiseksi. Aktivointifunktioita on erilainen, mutta ensisijaisesti joko lineaarisia tai epälineaarisia funktiosarjoja. Jotkut yleisesti käytetyistä aktivointifunktiosarjoista ovat binaariset, lineaariset ja tan hyperboliset sigmoidiset aktivointifunktiot. Tarkastellaanpa kutakin niistä yksityiskohtaisesti:

Binääri:

Binääriaktivointitoiminnossa lähtö on joko yksi tai 0. Tätä varten on asetettu kynnysarvo. Jos neuronien painotettu nettotulo on suurempi kuin 1, niin aktivointifunktion lopullinen tulos palautetaan ykkösenä tai tulos palautetaan 0:na.

Sigmoidinen hyperbolinen:

Sigmoidinen hyperbolafunktio nähdään yleensä ' S ' muotoinen käyrä. Tässä tan hyperbolista funktiota käytetään approksimoimaan todellisen nettotulon tulos. Funktio määritellään seuraavasti:

F(x) = (1/1 + exp(-????x))

Missä ???? pidetään jyrkkyysparametrina.

javan palautusjoukko

Keinotekoisen hermoverkon tyypit:

On olemassa erilaisia ​​​​keinotekoisia hermoverkkoja (ANN) riippuen ihmisen aivojen neuronista ja verkkotoiminnoista, keinotekoinen hermoverkko suorittaa samalla tavalla tehtäviä. Suurimmalla osalla keinotekoisista hermoverkoista on joitain yhtäläisyyksiä monimutkaisemman biologisen kumppanin kanssa, ja ne ovat erittäin tehokkaita odotettavissa olevissa tehtävissään. Esimerkiksi segmentointi tai luokittelu.

Palaute ANN:

Tämän tyyppisessä ANN:ssa tulos palaa verkkoon saavuttaakseen parhaiten kehittyneet tulokset sisäisesti. Kuten mukaan Massachusettsin yliopisto , Lowell Center for Atmospheric Research. Palauteverkostot syöttävät tietoa takaisin itseensä ja sopivat hyvin optimointiongelmien ratkaisemiseen. Järjestelmän sisäiset virheenkorjaukset käyttävät palautetta ANN:ia.

Eteenpäin ANN:

Edellytys

Erityistä asiantuntemusta ei tarvita edellytyksenä ennen tämän opetusohjelman aloittamista.

Yleisö

Keinotekoisen hermoverkon opetusohjelmamme on kehitetty aloittelijoille sekä ammattilaisille auttamaan heitä ymmärtämään ANN:iden peruskäsitteen.

Ongelmia

Vakuutamme sinulle, että et löydä mitään ongelmia tästä keinotekoisen hermoverkon opetusohjelmasta. Mutta jos on ongelmia tai virheitä, ilmoita ongelma yhteydenottolomakkeella, jotta voimme parantaa sitä edelleen.