ເຄືອຂ່າຍ neural ທຽມ

ເຄືອຂ່າຍ neural ປອມ - ແມ່ນຜູ້ທີ່ຖືກສ້າງຂຶ້ນຈາກຈຸລັງພິເສດ - neurons. ພວກເຂົາເຈົ້າແມ່ນແບບທາງຄະນິດສາດຂອງ neurons ດ້ານຊີວະສາດ, ie, ຈຸລັງທີ່ເຮັດໃຫ້ເຖິງລະບົບປະສາດຂອງມະນຸດ.

ສໍາລັບການໃຊ້ເວລາທໍາອິດທີ່ພວກເຮົາກໍາລັງລົມກັນກ່ຽວກັບເຄືອຂ່າຍ neural ໃນປີ 1943, ແລະຫຼັງຈາກ invention ຂອງ Perceptron Rosenblatt ໄດ້ມາສູ່ຍຸກທອງແລະເຄືອຂ່າຍໄດ້ກາຍເປັນທີ່ນິຍົມທີ່ສຸດ. ຢ່າງໃດກໍຕາມ, ຫຼັງຈາກການພິມເຜີຍແຜ່ຂອງ Minsk ໃນປີ 1969, ໃນທີ່ວິທະຍາສາດໄດ້ພິສູດ inefficiency ຂອງ Perceptron ໄດ້, ພາຍໃຕ້ສະພາບການສະເພາະໃດຫນຶ່ງ, ຄວາມສົນໃຈໃນຂະແຫນງການນີ້ຫຼຸດລົງຢ່າງຈະ. ແຕ່ເລື່ອງບໍ່ໄດ້ສິ້ນສຸດດ້ວຍເຄືອຂ່າຍປອມ. . ໃນປີ 1985, J. Hopfield ນໍາສະເຫນີການສຶກສາຂອງເຂົາເຈົ້າແລະພິສູດວ່າເຄືອຂ່າຍ neural - ເປັນເຄື່ອງມືທີ່ຍິ່ງໃຫຍ່ສໍາລັບເຄື່ອງຮຽນ.

ມັນໄດ້ຢືມມາຈາກຊີວະສາດແນວຄວາມຄິດແລະຫຼັກການພື້ນຖານຈໍານວນຫນຶ່ງ. Neuron - ປະເພດຂອງສະຫຼັບທີ່ໄດ້ຮັບແລະຫຼັງຈາກນັ້ນເປັນ transmits ກໍາມະຈອນເຕັ້ນໄດ້ (ສັນຍານ). ຖ້າ neuron ທີ່ໄດ້ຮັບ momentum ປະສິດທິພາບພຽງພໍ, ມັນໄດ້ຖືກເຈົ້າເຊື່ອວ່າມັນກໍາລັງເຮັດວຽກແລະຖ່າຍທອດກໍາມະຈອນເຕັ້ນຂອງ neurons ທີ່ກ່ຽວຂ້ອງກັບມັນຍັງເຫຼືອ. Neuron ດຽວກັນທີ່ບໍ່ໄດ້ເປີດນໍາໃຊ້, ມັນຍັງຄົງຢູ່ທີ່ສ່ວນທີ່ເຫຼືອ, ມັນບໍ່ໄດ້ສົ່ງກໍາມະຈອນ. Neuron ປະກອບດ້ວຍອົງປະກອບຕົ້ນຕໍຈໍານວນຫນຶ່ງ: synapses ທີ່ເຊື່ອມຕໍ່ neurons ກັບເຊິ່ງກັນແລະກັນແລະໄດ້ຮັບກໍາມະຈອນເຕັ້ນ, Axon ທີ່ສົ່ງວຽກ impulses ແລະ dendritic, ເຊິ່ງໄດ້ຮັບສັນຍານຈາກແຫຼ່ງຂໍ້ມູນຕ່າງໆ. ໃນເວລາທີ່ neuron ຮັບເປັນແຮງກະຕຸ້ນຂ້າງເທິງແມ່ນຍົກລະດັບ, ມັນທັນທີຈະສົ່ງສັນຍານທີ່ຈະ neuron ຕໍ່ໄປໄດ້.

ໃນຮູບແບບທາງຄະນິດສາດເປັນທີ່ແຕກຕ່າງກັນເລັກນ້ອຍ. ເຂົ້າລະບົບ ແບບທາງຄະນິດສາດ ຂອງ neuron ເປັນ - ເປັນ vector, ຊຶ່ງປະກອບດ້ວຍຈໍານວນຂະຫນາດໃຫຍ່ຂອງອົງປະກອບ. ແຕ່ລະອົງປະກອບ - ເປັນຫນຶ່ງໃນກໍາມະຈອນເຕັ້ນ, ຊຶ່ງສາມາດໄດ້ຮັບໂດຍ neuron ໄດ້. ຜົນຜະລິດຂອງແບບນີ້ແມ່ນເປັນຈໍານວນດຽວ. ນັ້ນແມ່ນ, ໃນ vector ວັດສະດຸປ້ອນຮູບແບບຖືກປ່ຽນເປັນເກເປັນ, ຍ້າຍໃນພາຍຫລັງກັບ neurons ອື່ນໆ.

ເຄືອຂ່າຍ Neural ສາມາດໄດ້ຮັບການຝຶກອົບຮົມໃນສອງວິທີ: ທີ່ມີແລະບໍ່ມີຄູອາຈານ. ຂະບວນການຮຽນຮູ້ການປະກອບດ້ວຍຂັ້ນຕອນຫຼາຍ. ຫນ້າທໍາອິດ, ກ່ຽວກັບການເຄືອຂ່າຍແມ່ນການປ້ອນຂໍ້ມູນຈາກການກະຕຸ້ນພາຍນອກ. ຫຼັງຈາກນັ້ນ, ໂດຍສອດຄ່ອງກັບລະບຽບທີ່ແຕກຕ່າງກັນຄໍາສັ່ງທີ່ບໍ່ເສຍຄ່າຂອງເຄືອຂ່າຍ neural, ຫຼັງຈາກນັ້ນເຄືອຂ່າຍຕອບຕໍ່ການກະຕຸ້ນການປ້ອນຂໍ້ມູນແລ້ວແຕກຕ່າງ. ຂະບວນການຄວນຈະໄດ້ຮັບການຊ້ໍາເປັນເຄືອຂ່າຍບໍ່ໄດ້ແກ້ໄຂບັນຫາໄດ້. ຂັ້ນຕອນວິທີການຮຽນຮູ້ທີ່ມີຄູອາຈານແມ່ນວ່າໃນໄລຍະການຝຶກອົບຮົມເຄືອຂ່າຍແລ້ວມີຄໍາຕອບທີ່ຖືກຕ້ອງ. ວິທີການນີ້ໄດ້ຖືກນໍາໃຊ້ຢ່າງສໍາເລັດຜົນສໍາລັບຄໍາຮ້ອງສະຫມັກຈໍານວນຫຼາຍ, ແຕ່ວ່າມັນມັກຈະຖືກຕໍາຫນິຕິຕຽນສໍາລັບຄວາມຈິງທີ່ວ່າມັນເປັນ implausible ຊີວະ. ເຄືອຂ່າຍ Neural ການຝຶກອົບຮົມໂດຍບໍ່ມີຄູອາຈານທີ່ຢູ່ໃນກໍລະນີທີ່ໄດ້ນໍາໃຊ້ທີ່ຮູ້ຈັກເທົ່ານັ້ນ. ອີງຕາມການໃຫ້ເຂົາເຈົ້າ, ເຄືອຂ່າຍຄ່ອຍໆຮຽນຮູ້ທີ່ຈະໃຫ້ຜົນໄດ້ຮັບມູນຄ່າທີ່ດີທີ່ສຸດ.

ຄໍາຮ້ອງສະຫມັກຂອງເຄືອຂ່າຍ neural ແມ່ນຫຼາກຫຼາຍແທ້. ພວກເຂົາເຈົ້າໄດ້ຖືກນໍາໃຊ້ເພື່ອເຮັດໃຫ້ການຮັບຮູ້, ການພະຢາກອນ, ການສ້າງຂອງຕ່າງໆ ລະບົບຜູ້ຊ່ຽວຊານ, ປະມານຂອງ functionals. ມີເຄືອຂ່າຍດັ່ງກ່າວສາມາດປະຕິບັດການຮັບຮູ້ສຽງຫຼືສັນຍານແສງຈະຄາດຄະເນຕົວຊີ້ວັດການແລກປ່ຽນການສ້າງລະບົບສາມາດຂອງຕົນເອງການຮຽນຮູ້, ເຊິ່ງສາມາດ, ສໍາລັບການຍົກຕົວຢ່າງ, ການສັງເຄາະຄໍາເວົ້າຈາກຂໍ້ຄວາມໃຫ້ຫຼື park ລົດ. ເຄືອຂ່າຍ Neural ໃນພາກຕາເວັນຕົກກໍາລັງໃຊ້ຢ່າງຫ້າວຫັນ, ແຕ່ຫນ້າເສຍດາຍ, ບໍລິສັດພາຍໃນປະເທດຍັງບໍ່ທັນໄດ້ຮັບຮອງເອົາວິທີການນີ້.

ເຖິງວ່າຈະມີຄວາມໄດ້ປຽບຂອງ ANN ການຄໍານວນທໍາມະດາໃນບາງພື້ນທີ່, ການເຄືອຂ່າຍ neural ທີ່ມີຢູ່ແລ້ວ - ບໍ່ແມ່ນທາງອອກທີ່ດີ. ເນື່ອງຈາກວ່າພວກເຂົາເຈົ້າມີຄວາມສາມາດຂອງການຮຽນຮູ້, ພວກເຂົາເຈົ້າອາດຈະຜິດພາດ. ໃນນອກຈາກນັ້ນ, ທ່ານບໍ່ສາມາດແທ້ຮັບປະກັນວ່າເຄືອຂ່າຍ neural ພັດທະນາແມ່ນດີທີ່ສຸດ. ການພັດທະນາຕ້ອງເຂົ້າໃຈທໍາມະຊາດຂອງບັນຫາໄດ້ຮັບການແກ້ໄຂ, ມີຫຼາຍຂອງຂໍ້ມູນຂ່າວສານທີ່ອະທິບາຍບັນຫາ, ໄດ້ຮັບຂໍ້ມູນສໍາລັບການທົດສອບແລະເຄືອຂ່າຍການຝຶກອົບຮົມເປັນ, ທີ່ຈະເລືອກເອົາວິທີການສິດທິໃນການຝຶກອົບຮົມ, ການທໍາງານຍົກຍ້າຍແລະປະຕິບັດຫນ້າງູ.