Das Künstliche neuronale Netze (Ann) oder Künstliche Neuronennetzwerke (AANN), sind Systeme von maschinelles Lernen Was, Genau wie das menschliche Gehirn, setzen sich zusammen aus Künstliche neuronale Einheiten Verzahnt.
KNN werden aus einem Satz von Eingabedaten erstellt, die verarbeitet werden von ein lernender Algorithmus So erzeugen Sie ein Ausgabemodell. Dieses Modell kann auf neue Eingabedaten angewendet werden, um die gewünschte Ausgabe vorherzusagen..
Geschichte der neuronalen Netze in der Informatik
Die Geschichte neuronaler Netze in der Computertechnik ist relativ kurz., aber die Wirkung, die sie hatten, ist enorm. Obwohl das Konzept der künstlichen neuronalen Netze aus den 1990er Jahren stammt, 1940, es war in die Jahre gekommen 1980 als sie Gestalt annahmen. Im 1986, Der Wissenschaftler für künstliche Intelligenz Geoffrey Hinton und seine Kollegen veröffentlichten eine Abhandlung darüber zeigten, wie künstliche neuronale Netze verwendet werden könnten, um Muster in Datensätzen zu erkennen. Dieser Artikel wurde zum Wendepunkt und dem Bereich der künstlichen Intelligenz in Bewegung gekommen.
Seit damals, Neuronale Netze haben eine rasante Entwicklung durchlaufen. Wurde erschaffen neue und bessere Lernmethoden, und entdeckt wurden Neue Anwendungen für diese leistungsstarken Tools. Heute, Neuronale Netze werden verwendet in den unterschiedlichsten Bereichen, vom Verarbeitung natürlicher Sprache An Objekterkennung. Und die Auswirkungen sind nicht auf die Wissenschaft beschränkt.: Neuronale Netze verändern die Welt der Technologie, und das Tempo dieses Wandels Es beschleunigt sich nur.
Funktionsweise neuronaler Netze
Künstliche neuronale Netze basieren auf Ein mathematisches Modell der Funktionsweise von Neuronen im Gehirn. Jedes Neuron ist mit anderen Neuronen verbunden durch Links, die Synapsen genannt werden. Das Elektrische Aktivität reist entlang der Axone von Neuronen und Überträgt über Synapsen auf andere Neuronen. Das Elektrische Aktivität ist das, was wir einen Nervenimpuls nennen.
Das Depolarisation sind die Wie das Gehirn Informationen überträgt. Neuronen Erhalten Sie diese Impulse j, je nach die Menge an Stimulus, die sie erhalten, Senden oder nicht senden Sie einen Nervenimpuls zu den Neuronen, mit denen sie verbunden sind. Auf diese Weise, Neuronen können Informationen miteinander kommunizieren j, letzten Endes, Erlauben Sie dem Gehirn, Aufgaben auszuführen als die Denken und Lernen.
Künstliche neuronale Netze
Künstliche neuronale Netze basieren auf der Gleiches Prinzip dass die Funktion von Neuronen im Gehirn. Jeder Künstliches Neuron ist Verbunden mit anderen künstlichen Neuronen durch Links, die Synapsen genannt werden. Das Elektrische Aktivität Reisen Sie entlang der Treiber von Neuronen und Überträgt über Synapsen auf andere Neuronen. Das Elektrische Aktivität ist das, was wir einen Nervenimpuls nennen.
Das Depolarisation sind die Wie künstliche Neuronen Informationen übertragen. Neuronen Erhalten Sie diese Impulse j, je nach die Menge an Stimulus, die sie erhalten, Senden oder nicht senden Sie einen Nervenimpuls zu den Neuronen, mit denen sie verbunden sind. Auf diese Weise, Künstliche Neuronen können Informationen miteinander kommunizieren j, letzten Endes, Ausführen von Aufgaben durch das Netzwerk zulassen als die Denken und Lernen.
Maschinelles Lernen
Das maschinelles Lernen Es ist ein Bereich der künstlichen Intelligenz, der sich auf Wie Sie Systeme erstellen können, die aus Daten lernen. Das Maschinelles Lernen kann in zwei große Kategorien unterteilt werden: das Überwachtes Lernen und die Unüberwachtes Lernen.
Das Überwachtes Lernen ist die Art des Lernens, bei der Tagged Daten werden bereitgestellt. Zum Beispiel, wenn wir wollen, dass ein neuronales Netzwerk lernt, Bilder von Katzen zu erkennen, Wir würden Ihnen eine Reihe von Bildern zur Verfügung stellen, die mit „Katze“ oder „Nicht-Katze“ gekennzeichnet sind.. Das Unüberwachtes Lernen ist die Art des Lernens, bei der keine getaggten Daten bereitgestellt. In diesem Fall, das neuronale Netz muss sich selbst beibringen, Muster in Daten zu erkennen.
Neuronale Netze heute
Heute, Neuronale Netze werden in den unterschiedlichsten Bereichen eingesetzt, vom Verarbeitung natürlicher Sprache An Objekterkennung. Und die Auswirkungen sind nicht auf die Wissenschaft beschränkt.: Neuronale Netze verändern die Welt der Technologie, Und das Tempo dieser Veränderung beschleunigt sich nur noch.
Auf dem Gebiet der Verarbeitung natürlicher Sprache, neuronale Netze sind daran gewöhnt Chatbot-Systeme entwickeln immer raffinierter. Diese Systeme werden immer mehr eingesetzt Kunden behilflich sein eines Unternehmens.
Auf dem Gebiet der Objekterkennung, neuronale Netze sind daran gewöhnt Bilderkennungssysteme entwickeln immer genauer. Diese Systeme werden immer mehr eingesetzt Objekte in Bildern erkennen j Aufgaben wie die Objektverfolgung ausführen.
Die Zukunft neuronaler Netze
Obwohl das Gebiet der neuronalen Netze in den letzten Jahren eine rasante Entwicklung erfahren hat, es gibt noch viel zu entdecken. Entwickeln sich neue Wege des Lernens, und sie entdecken Neue Anwendungen für diese leistungsstarken Tools. Die Zukunft der neuronalen Netze ist sehr vielversprechend j nur begrenzt durch die Vorstellungskraft.
Wie funktionieren neuronale netzwerke?
Künstliche neuronale Netze bestehen aus a große Anzahl miteinander verbundener Neuronen. Jedes Neuron ist in Verbindung gebracht zu anderen Neuronen durch Verknüpfungen die sie übermitteln Zeichen zwischen ihnen.
Wie lernt man ein neuronales Netz??
Das neuronales Netzwerk lernen stattfinden durch Anpassen der Linkgewichte zwischen den Neuronen. Wenn ein Eingabemuster a la rot, einzelne Neuronen aktivieren oder deaktivieren nach ihrem Gewicht.
Wie werden neuronale Netze verwendet??
Dazu können künstliche neuronale Netze eingesetzt werden eine Vielzahl von Problemen des maschinellen Lernens lösen, wie Einstufung, Rückschritt, Objekterkennung und Mustererkennung.
Anwendungen neuronaler Netze
Neuronale Netze können verwendet werden eine Vielzahl von Computerproblemen lösen. Einige der häufigsten Anwendungen sind die folgenden:
1. Mustererkennung
Neuronale Netze können darauf trainiert werden, Muster in unstrukturierten Daten zu erkennen, wie Bilder oder Tonsignale. Dies ist sehr nützlich in Anwendungen wie Spracherkennung oder Objekterkennung in Bildern..
2. Datenklassifizierung
Neuronale Netze können darauf trainiert werden, Daten in Kategorien einzuordnen. Zum Beispiel, kann verwendet werden, um zu erkennen, ob ein Bild eine Katze oder einen Hund enthält. Sie können auch verwendet werden, um zu erkennen, ob eine Textnachricht Spam ist oder nicht.
3. Robotersteuerung
Neuronale Netze können zur Steuerung von Robotern verwendet werden. Zum Beispiel, Roboter wurden darauf trainiert, zu gehen und zu balancieren. Sie werden auch untersucht, damit sie autonome Fahrzeuge steuern können.
4. Zeitreihenvorhersage
Neuronale Netze können verwendet werden, um das Verhalten einer Zeitreihe vorherzusagen, wie der Kurs einer Aktie an der Börse. Dies ist nützlich, um Investitionsentscheidungen zu treffen.
5. Textgenerierung
Neuronale Netze können verwendet werden, um Text aus einer Reihe von Daten zu generieren. Zum Beispiel, sie wurden ausgebildet, um aus Finanzmarktdaten Nachrichten zu generieren. Sie werden auch erforscht, damit sie Gedichte schreiben können..