Artificiella neuronnät är modeller av biologiska nätverk av nervceller . Liksom biologiska neuroner , de artificiella neuronerna lägga upp flera ingångar och jämför summan med ett tröskelvärde . Om summan överskrider tröskeln , passerar neuron en signal till nästa neuron. Så länge summan är lägre än tröskelvärdet , är ingen signal sänds . Denna information -processing paradigm kallas tröskelvärde logik . Neuroner
Biologiska neuroner har flera ingångar , från sinnesorganen och andra nervceller , och en enda utgång . Om de kumulativa ingångarna passerar en viss gräns , går cellen genom en renande process som kallas " bränning " som orsakar en elektrisk ström att åka ner enda utgång till slutet av " nerv ", där strömmen orsakar utvisningen av små säckar signalsubstanser - molekyler som aktiverar muskler eller andra neuroner . Konstgjorda nervceller efterlikna denna process , men alla variabler representeras av siffror som kan justeras för att finjustera processen . De enskilda ingångarna är automatiskt multipliceras med siffror kallade " vikter ", som kan justeras för att förändra beteendet hos nervceller.
Neural Nets
Neurala nät är samlingar av nervceller som arbetar tillsammans för att skapa en effekt . En typisk tillämpning har neuronerna anordnade i skikt , så ett mönster av signaler presenteras till den första raden av neuroner , filtrerades genom andra lager och sedan ett slutligt rad av nervceller presenterar ett mönster av signaler. Denna "översättning" processer kan tränas . Andra tillämpningar har alla de neuroner som är anslutna till varandra , så när några av nervceller stimuleras , stannar hela uppsättningen av nervceller i ett stabilt tillstånd som representerar ett tidigare memorerat mönster. En annan tillämpning har varje neuron anslutas precis till sina grannar - som i skiktet av celler i bakre delen av ögat - som kan upptäcka saker som kanterna excitation mönster orsakade av band av ljus och mörker
.
Learning
Interestingly artificiella neuronnät ärva några av de önskvärda egenskaperna hos biologiska neurala neuronnät. En av dessa är lärande . Artificiella neuronnät är programmerade som datorer , de är utbildade - gillar hur djur tränas . Utbildningen sker genom att justera vikterna av nervceller . Detta innebär att artificiella neurala nätverk kan användas för att styra processer som är omöjlig att beskriva , så länge som det finns gott om exempel på att använda i utbildningen . En annan god kvalitet på produkter tröskel logik är deras förmåga att generalisera . Om ett tränat neuralt nätverk visas ett mönster har aldrig sett förut , klassificerar det oftast den korrekt .
Transfer Functions
När summan av ingångarna till en neuron överskrider tröskelvärdet , kan summan ledas genom en överföringsfunktion som styr utgången . Det anses allmänt att noggrant välja denna överföringsfunktion kan ha en mängd olika positiva effekter på det neurala nätverket . Dessa förmåner inkluderar snabbare utbildning och ökad förmåga att generalisera .
