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:

De begripen fan klassike en quantumsysteem

Physical Basics of Vibrational Spectroscopy

Literatuer

Zeeman-effekt

Eigenskippen fan de útfiering fan netlineare prosessen yn systemen mei chaotyske dynamyk

Principes foar bouwen fan biosensors

It gebrûk fan corpuscular particle properties yn apparatuer foar it krijen fan primêre mjittingen

Untwerp en wurking fan in scan-tunneling mikroskoop

Foarbylden fan praktyk gebrûk fan NMR

SQUID-scanning mikroskoop-apparaat

Fergelykbere eigenskippen fan 'e analytyske mooglikheden fan ferskate soarten immunosensors

Electron Paramagnetic Resonânsje

Ynlieding

Werom nei ynhâldsopjefte: Moderne fûnemintele en tapastlike ûndersyk yn ynstruminten

Views: 2895

11.45.9.63 © bibinar.info 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 .