border=0

Artificial Neural Networks (INS)

<== foarige artikel | Folgjende artikel ==>

Kultulearjende neuronale netwurken (INS) - wiskundige modellen, lykas har software of hardware ympleminten, boud op it begjinsel fan organisaasje en funksjonearjen fan biologyske neuronale netwurken - netwurken fan nervezellen fan in libbest organisme. Dit konsept ûntstie by it ûndersykjen fan de prosessen dy't yn it hynder binne, en by it probearjen fan dizze prosessen simulare.

De earste soart besykjen wie McCulloch en Pitts neurele netwurken. Dêrnei waarden nei de ûntwikkeling fan algoritme's learen de resultaten modellen brûkt foar praktyske dingen: yn prestaasjeproblemen, foar merkerkenning, yn kontroleproblemen, ensfh.

ANNs binne in systeem fan ienfâldige processors (keunstmjittige neuroanen) ferbûn en ynteraktyf mei elkoar. Sokke prosessoren binne meastal ienfâldich, benammen yn ferliking mei prosessen dy't yn persoanlike kompjûters brûkt wurde. Elke prosessor fan in fergelykbere netwurk befettet allinich mei sinjalen dat it periodyk ûntfant, en jildt dat it periodyk nei oare processors stjoert. En dochs, yn ferbân brocht wurde mei in frijwat grut netwurk mei kontrolearre ynteraksje, kinne sokke lokale ienfâldige prosesoarren gearwurkje kinne eare komplekse taken.

Fanút it punt fan masine learen is in neuronale netwurk in spesjale gefal fan tekenferkenningsmetoaden, diskriminearjende analyze, klusteringmethoden, ensfh. Fanút in wiskundige perspektyf is de oplieding fan neuronale netwurken in multiparameterprobleem fan netlineare optimisaasje. Ut it punt fan cybernetika wurdt it neuronale netwurk brûkt yn problemen fan adaptive kontrôle en as algoritme foar robotyk. Fanút it punt fan 'e útwurking fan komputearjen en programmearring is it neuronale netwurk in manier om it probleem op te heljen fan effisjintele parallarisme. En fanút it perspektyf fan keunstmjittige yntelliginsje, ANN is de basis fan 'e filosofyske kursus fan it ferbinisme en de wichtichste rjochting yn' e strukturele oanpak om te studearjen fan de mooglikheid fan it meitsjen fan (natuerlike) natuerlike yntelliginsje mei komputer algoritme.

Neoretyske netwurken wurde net yn 'e gewoane sin fan it wurd programmearre, se wurde trainearre. De mooglikheid om te learen is ien fan 'e wichtichste foardielen fan neuronale netwurken oer tradisjonele algoritmen. Technysk learje is om de koeffizienten fan ferbiningen te finen tusken neurons. Yn it proses fan learen kin it neuronale netwurk komplekse ôfwikingen tusken de ynputgegevens en de útfier fine, en ek in generalisearring útfiere. Dit betsjut dat yn it gefal fan suksesfolle trening it netwurk it korrekte resultaat basearje kin op basis fan gegevens dy't net beskikber binne yn 'e treningssets, en ek net-kompleet en / of "laitsje", diels ferneatige gegevens.

<== foarige artikel | Folgjende artikel ==>

Sjoch ek:

Sensoren mei help fan gemyske en biologyske prosessen op it oerflak fan 'e kanal

Ynlieding

It probleem fan it meitsjen fan keunstmjittige neuron-like mjittingen

Physical Basics of Vibrational Spectroscopy

>

Chaos teory

Zeeman-effekt

Praktyske tapassing fan it effekt fan oerflakplasmonsononositeit

Raster (scannen) elektronmikroskoop

Eigenskippen en tapassearre wearde fan nanomaterialen

Algemiene eigenskippen fan 'e organisaasje en funksjonearjen fan sensoryske systemen fan libbene objekten

Werom nei ynhâldsopjefte: Moderne fûnemintele en tapastlike ûndersyk yn ynstruminten

Views: 2908

11.45.9.63 © edudocs.fun is net de auteur fan de materialen dy't ynbrocht binne. Mar leveret de mooglikheid fan fergees gebrûk. Is der in fertsjinwurdiging fan 'e autoriteit? Skriuw ús | Feedback .