Artefarita neŭra retoj

Artefarita neŭra retoj - estas tiuj kiuj konsistas el specialaj ĉeloj - neŭronoj. Ili estas matematika modeloj de biologiaj neŭronoj, kio estas, la ĉeloj, kiuj konsistigas la homan nerva sistemo.

Unuafoje ni parolas neŭra retoj en 1943, kaj post la invento de Perceptron Rosenblatt venis la oran eraon, kaj retoj iĝis tre populara. Tamen, post la publikigado de Minsko en 1969, en kiu sciencisto pruvis la neefikecon de Perceptron, sub certaj kondiĉoj, la intereso en ĉi tiu sektoro falis akre. Sed la historio ne finas kun artefaritaj retoj. . En 1985, J. Hopfield prezentis siajn studojn kaj pruvis, ke la neŭra reto - granda ilo por maŝino lernanta.

Estis depruntita de biologio pluraj konceptoj kaj principoj. Neŭrono - ia ŝaltilon kiu ricevas kaj transdonas la pulsos (signaloj). Se la neŭrono ricevas sufiĉe potenca impeto, oni kredas ke ĝi estas aktivigita kaj transdonas la pulsos ceteraj neŭronoj asociita kun ĝi. Neŭrono samaj kiu ne estis aktivigita, ĝi restas senmova, ĝi ne transdonas pulso. Neŭrono konsistas de pluraj ĉefaj komponantoj: sinapsis kiuj konektas neŭronoj al unu la alian kaj ricevi pulsos, axón, kiuj sendas impulsojn tasko kaj dendritas, kiu ricevas signalojn el diversaj fontoj. Kiam neŭrono ricevas impulso super certa sojlo, ĝi tuj sendas signalon al la sekva neŭrono.

La matematika modelo estas iom malsamaj. Salutnomo matematika modelo de neŭrono - estas vektoro, kiu konsistas el granda nombro de eroj. Ĉiu el la komponantoj - estas unu el la pulsos, kiuj estas ricevitaj de la neŭrono. La produktado de la modelo estas sola nombro. Tio estas, en la modelo de eniro vektoro estas konvertita en skalaro, poste kopiitaj al aliaj neŭronoj.

Neural retoj povas esti trejnitaj dumaniere: kun kaj sen instruisto. La lernado procezo konsistas de pluraj paŝoj. Unue, en la reto estas enigo de ekstere stimulo. Tiam, laŭ la regularoj varias la libera parametroj de la neŭra reto, do la reto respondas al enigo stimuloj jam malsame. La procezo devus esti ripetita dum la reto ne solvas la problemon. La lernanta algoritmo kun instruisto estas, ke dum trejnado la reto jam havas la ĝustan respondon. Tiu metodo estis sukcese uzita por multaj aplikoj, sed ĝi estas ofte kritikita por la fakto ke ĝi estas biologie nekredinda. Neural retoj trejnita sen la instruisto en la kazo kie la nura konata enigoj. Laŭ ili, la reto iom post iom lernas doni la plej bonan valoron eliroj.

Apliko de neŭra retoj estas vere diversaj. Ili estas ofte uzita por aŭtomatigi la rekono, antaŭvidi kreo de pluraj spertaj sistemoj, proksimuma kalkulado de funkcionaloj. Kun tia reto povas realigi sono rekono aŭ optika signaloj antaŭdiri interŝanĝo indikiloj krei sistemojn kapablas mem-lernado, kiu povas, ekzemple, por sintezi parolon de donita teksto aŭ aŭto parko. Neural retoj en la Okcidento estas uzataj pli aktive, bedaŭrinde, hejma firmaoj ankoraŭ ne estis adoptita tiu metodo.

Malgraŭ la avantaĝoj de ANN sur konvencia kalkulojn en kelkaj areoj, la ekzistantaj neŭra retoj - ne la ideala solvo. Ĉar ili kapablas lerni, ili povas esti erara. Krome, vi ne povas precize garantii ke la evoluintaj neŭra reto estas optimuma. La ellaboranto devas kompreni la naturon de la problemo estu parolata, havas multajn informojn kiuj priskribas la problemon, por akiri informon por testado kaj trejnado reto, elekti la dekstra metodo de trejnado, tradona funkcio kaj aspidon funkcioj.