Was ist ein Propagation-neurales Netz?

In der Welt der Programmierung, der Computer und der künstlichen Intelligenz, ist ein neurales Netz der Retro-Propagation einfach eine Art künstliches neurales Netz, (ANN) das Retro-Propagation verwendet. Retro-Propagation ist eine Grundlage und ist ein allgemein verwendeter Algorithmus, der einer Ankündigung zeigt, wie man eine gegebene Aufgabe durchführt. Obwohl dieses Konzept verwirrend scheinen kann und nachdem dem Betrachten der Gleichungen, die während des Prozesses angefordert, vollständig fremd scheint, ist dieses Konzept, zusammen mit dem kompletten neuralen Netz, ziemlich einfach zu verstehen.

Für jene nicht vertrauten mit neuralen Netzen, ist eine Ankündigung oder einfach ein NN, das für “neural Netz steht, † ein mathematisches Modell, das nach bestimmten Eigenschaften der aus dem wirklichen Leben neuralen Netze gekopiert, wie die, die in lebenden Sachen gefunden. Das menschliche Gehirn ist das entscheidende neurale Netz, dessen das Arbeiten einige Anhaltspunkte zur Verfügung stellt auf, wie man die Struktur und den Betrieb von künstlichem NNs verbessert. Wie ein rudimentärstes Gehirn hat eine Ankündigung ein Netz der verbundenen künstlichen Neuronen, die Prozessinformationen.

Was über es faszinierend ist, ist, dass eine Ankündigung seine Struktur erforderlichenfalls anpassen und ändern kann, entsprechend den Informationen, die sie von der Umwelt und innerhalb vom Netz erhält. Es ist ein hoch entwickeltes Computermodell, das nicht lineare statistische Datenanalyse verwendet, und ist zur Deutung der komplizierten Verhältnisse unter Daten wie Eingängen und Ausgängen fähig. Es kann Probleme ausarbeiten, die nicht using traditionelle Computermethoden gelöst werden können.

Die Idee für ein neurales Netz der Retro-Propagation kam zuerst herum in das Jahr 1969 von der Arbeit von Arthur E. Bryson und Yu-Chi Ho. In den neueren Jahren weiter entwickelten andere Programmierer und Wissenschaftler die Idee. Das Beginnen in 1974 das neurale Netz der Retro-Propagation kam, als erfinderischer Durchbruch in der Studie und in der Kreation der künstlichen neuralen Netze erkannt zu werden.

Das Lernen des neuralen Netzes ist eine Hauptaufgabe innerhalb einer Ankündigung, die sicherstellt, dass sie fortfährt, zu sein, Daten richtig und folglich zu verarbeiten, seine Aufgabe richtig wahrzunehmen. Ein neurales Netz der Retro-Propagation benutzt eine generalisierte Form der Deltarichtlinie, um dem Lernen des neuralen Netzes zu ermöglichen. Dies heißt, dass es einen Lehrer gebraucht, der zur Berechnung der gewünschten Ausgänge aus den bestimmten Eingängen heraus fähig ist, die in das Netz eingezogen.

Das heißt, erlernt ein neurales Netz der Retro-Propagation durch Beispiel. Der Programmierer liefert ein erlernenmodell, das zeigt, was der korrekte Ausgang sein, einen spezifischen Satz Eingänge gegeben. Dieses Output-Beispiel ist der Lehrer oder Modell, dass andere Teile des Netzes folgende Berechnungen nachher kopieren können.

Der vollständige Prozess fortfährt methodisch in gemessenen Abständen nen. Einen definitiven Satz Eingänge gegeben, anwendet die Ankündigung die Berechnung g, die vom Modell erlernt, um mit einem Anfangsausgang aufzukommen. Sie vergleicht dann diesen Ausgang mit dem ursprünglich bekannten, erwarteten oder guten Ausgang, und vornimmt Justagen ng, wie gebraucht. Im Prozess berechnet ein Störungswert. Dieses fortgepflanzt dann hin und her durch das neurale Netz der Retro-Propagation ion, bis der bestmögliche Ausgang entschlossen ist.