neuroni biologici hanno più ingressi , da organi di senso e di altri neuroni, e una sola uscita. Se gli ingressi cumulativi supera una certa soglia , la cella passa attraverso un processo catartico chiamato " cottura ", che provoca una corrente elettrica per scendere lungo la singola uscita fino alla fine del " nervo ", dove la corrente provoca l'espulsione di piccole borse neurotrasmettitori - le molecole che attivano i muscoli o di altri neuroni . Neuroni artificiali imitano questo processo , ma tutte le variabili sono rappresentate da numeri che possono essere regolati per ottimizzare il processo . I singoli ingressi sono moltiplicati automaticamente dai numeri chiamati "pesi ", che possono essere regolati per modificare il comportamento dei neuroni .
Neural Nets
Le reti neurali sono collezioni di neuroni che lavorano insieme per creare un effetto. Una tipica applicazione ha i neuroni disposte a strati , così un pattern di segnali viene presentato alla prima fila di neuroni , filtrata attraverso altri strati , poi una fila di neuroni finale presenta un pattern di segnali . Questi processi di " traduzione " possono essere addestrati . Altre applicazioni hanno tutti i neuroni collegati tra loro , in modo che quando alcuni dei neuroni sono stimolati , l'intero insieme di neuroni deposita in uno stato stabile che rappresenta un modello precedentemente memorizzato . Un'altra applicazione ha ogni neurone connessa solo ai suoi vicini - come nello strato di cellule nella parte posteriore dell'occhio - che può rilevare cose come i bordi dei modelli di eccitazione causati da bande di luce e oscurità
.
Imparare
interessante notare che le reti neurali artificiali ereditano alcune delle caratteristiche che le reti neurali neurali biologiche . Uno di questi è l'apprendimento . Le reti neurali artificiali non sono programmati come i computer , sono addestrati - come il modo in cui gli animali vengono addestrati . La formazione è necessario correggere i pesi dei neuroni . Questo significa che le reti neurali artificiali possono essere utilizzati per controllare i processi che sono impossibili da descrivere a patto che ci sono un sacco di esempi da utilizzare in allenamento . Un'altra buona qualità di dispositivi logici di soglia è la loro capacità di generalizzare . Se una rete neurale addestrata viene mostrato un modello che non ha mai visto prima , di solito lo classifica correttamente .
Funzioni di trasferimento
Quando la somma delle potenze di un neurone supera la soglia , la somma può essere fatto passare attraverso una funzione di trasferimento che controlla l'uscita . E 'opinione diffusa che selezionando attentamente questa funzione di trasferimento può avere una varietà di effetti benefici per la rete neurale . Questi vantaggi comprendono la formazione più veloce e una maggiore capacità di generalizzare .
hardware © www.354353.com