Σχετικά Threshold Λογική

Τεχνητά Νευρωνικά Δίκτυα είναι τα μοντέλα των βιολογικών δικτύων των νευρώνων . Όπως βιολογικών νευρώνων , οι τεχνητών νευρώνων προσθέσετε έως και αρκετές εισόδους και να συγκρίνουν το ποσό σε κάποιο όριο . Αν το άθροισμα υπερβαίνει το όριο , ο νευρώνας περνά ένα σήμα προς τον επόμενο νευρώνα. Εφ 'όσον το άθροισμα είναι κάτω από το όριο , δεν υπάρχει σήμα μεταδίδεται . Το παράδειγμα επεξεργασίας πληροφοριών ονομάζεται λογική όριο . Νευρώνες
Η

Βιολογική νευρώνες έχουν πολλαπλές εισόδους , από αισθητήρια όργανα και τους άλλους νευρώνες , και μία έξοδο . Αν οι σωρευτικές εισροές ξεπερνά ένα ορισμένο όριο , το κύτταρο περνά μέσα από μια καθαρτική διαδικασία που ονομάζεται " ψήσιμο ", η οποία προκαλεί ένα ηλεκτρικό ρεύμα για να ταξιδεύουν κάτω από το ενιαίο εξόδου μέχρι το τέλος του «νεύρο », όπου το ρεύμα προκαλεί την αποβολή του λίγο σάκοι νευροδιαβιβαστές - μόρια που ενεργοποιούν τους μυς ή άλλους νευρώνες . Τεχνητή νευρώνες μιμούνται αυτή τη διαδικασία , αλλά όλες οι μεταβλητές αντιπροσωπεύονται από τους αριθμούς που μπορεί να προσαρμοστεί για να τελειοποιήσουν τη διαδικασία . Οι επιμέρους συντελεστές πολλαπλασιάζονται αυτόματα με αριθμούς ονομάζεται " βάρη ", το οποίο μπορεί να ρυθμιστεί για να μεταβάλει τη συμπεριφορά των νευρώνων .
Εικόνων Νευρωνικά Δίκτυα
Η

Νευρωνικά δίκτυα είναι συλλογές νευρώνες που εργάζονται μαζί για να δημιουργήσουν ένα αποτέλεσμα . Μια τυπική εφαρμογή έχει τους νευρώνες διατεταγμένα σε στρώματα, έτσι, ένα μοτίβο των σημάτων παρουσιάζεται στην πρώτη γραμμή των νευρώνων, διηθείται μέσω άλλα στρώματα , τότε μια τελική σειρά των νευρώνων παρουσιάζει ένα μοτίβο των σημάτων. Αυτή η " μετάφραση " των διαδικασιών μπορεί να εκπαιδευτεί. Άλλες εφαρμογές έχουν όλα τους νευρώνες που συνδέονται μεταξύ τους , έτσι ώστε όταν μερικοί από τους νευρώνες διεγείρονται , ολόκληρο το σύνολο των νευρώνων εγκαθίσταται σε μια σταθερή κατάσταση που αντιπροσωπεύει μια προηγουμένως απομνημονεύσει μοτίβο. Μία άλλη εφαρμογή έχει κάθε νευρώνα συνδέεται μόνο με τους γείτονές της - όπως στο στρώμα των κυττάρων στο πίσω μέρος του οφθαλμού - . Οποία μπορεί να ανιχνεύσει τα πράγματα όπως τα άκρα των μοντέλων διέγερσης που προκαλείται από συγκροτήματα του φωτός και του σκότους
Η
Η μάθηση
Η

ενδιαφέρον, τεχνητά νευρωνικά δίκτυα κληρονομήσει μερικά από τα επιθυμητά χαρακτηριστικά των βιολογικών νευρωνικών νευρωνικών δικτύων . Ένα από αυτά είναι η μάθηση . Τεχνητά νευρωνικά δίκτυα δεν έχουν προγραμματιστεί , όπως οι υπολογιστές ? Έχουν εκπαιδευτεί - όπως και ο τρόπος ζώα είναι κατάλληλα εκπαιδευμένο . Η εκπαίδευση επιτυγχάνεται με την προσαρμογή των βαρών των νευρώνων . Αυτό σημαίνει ότι τα τεχνητά νευρωνικά δίκτυα μπορούν να χρησιμοποιηθούν για τον έλεγχο των διαδικασιών που είναι αδύνατο να περιγράψει όσο υπάρχουν πολλά παραδείγματα για να χρησιμοποιούν στην εκπαίδευση . Μια άλλη καλή ποιότητα των συσκευών λογικής όριο είναι η ικανότητά τους να γενικεύουμε . Αν ένα εκπαιδευμένο νευρωνικό δίκτυο παρουσιάζεται ένα πρότυπο που δεν έχει δει ποτέ πριν, κατατάσσει συνήθως σωστά.
Εικόνων Συναρτήσεις Μεταφοράς
Η

Όταν το άθροισμα των εισόδων σε ένα νευρώνα υπερβαίνει το όριο , το άθροισμα μπορεί να περάσει μέσα από μια συνάρτηση μεταφοράς που ελέγχει την έξοδο . Πιστεύεται ευρέως ότι επιλέγοντας προσεκτικά αυτή τη λειτουργία μεταφοράς μπορεί να έχει μια ποικιλία από ευεργετικά αποτελέσματα για το νευρωνικό δίκτυο . Τα οφέλη αυτά περιλαμβάνουν ταχύτερη εκπαίδευση και αυξημένη δυνατότητα να γενικευθεί .
Η
εικόνων