Neurale netwerken zijn een belangrijke Artificial Intelligence -techniek , en een groot succes op het gebied van machine learning en patroonherkenning zijn geweest . Ze worden soms gebruikt in programma's die zowel patroonherkenning en leervermogen vereisen . De meest voorkomende vorm van neuraal netwerk wordt een " backpropagation netwerk" die het mogelijk maakt de " coach " om het netwerk te trainen . Instructies
Code 1 een enkel neuron in taal van uw keuze . De implementatie details zullen verschillen , maar elke neuron moet kunnen meerdere ingangen consumeren , breng dan een gewicht verschillende inputs en vervolgens een " sigmoid functie " naar een resultaat . De " sigmoid functie " zal variëren gebaseerd op wat het netwerk is ontworpen om te leren . Kopen van 2 Maak een array van " model neuronen " in de taal van uw keuze . Maak een tweede laag van neuronen . Elke laag van neuronen zal informatie doorgeven aan een volgende laag van neuronen die zal blijven om de ingangen te veranderen totdat een uitgang laag is aangekomen bij .
3 Maak een output layer die u toelaat om te geven het antwoord dat het neurale netwerk zou zijn geproduceerd . Op dit punt , het neurale netwerk moet " backpropagate " het antwoord op alle vorige lagen van neuronen . De neuronen moet dan een fout berekenen en pas de weging voor de verschillende ingangen .
Coach 4 uw neuraal netwerk totdat het begint om de juiste resultaten te produceren op een consistente basis .
< Br >
|
