Een neuraal netwerk is een paradigma informatieverwerking geïnspireerd door de manier waarop biologische zenuwstelsels , zoals zoogdieren hersenen , informatie verwerken . Neurale netwerken bestaan uit grote aantallen sterk onderling verbonden verwerkingselementen , bekend als neuronen , die samenwerken om specifieke problemen . Voordelen van neurale netwerken zijn onder hun vermogen om te "leren " door middel van aanpassingen aan de verbindingen tussen neuronen . Problem Solving Neurale netwerken kan helpen bij problemen die te complex zijn voor de conventionele technologie die is gebaseerd op het vinden van een algoritmische oplossing te lossen . Real-world problemen die aanpasbaar denken nodig zijn verkoopprognoses , industriële processen , klant onderzoek, risicobeheer , target marketing en textuur analyse . Neurale netwerken te helpen in deze gebieden vanwege hun vermogen te ontlenen betekenis van ingewikkelde en onduidelijke gegevens . Real- Time Operation tegenstelling tot conventionele seriële computers , neurale netwerken niet voeren geprogrammeerde instructies . In plaats daarvan reageren evenwijdig aan het patroon van inputs aan hen . Neurale netwerken creëren hun eigen organisatie of presentatie van de informatie ingevoerd in hen tijdens de leertijd . Geheugen wordt niet apart opgeslagen , maar over het hele netwerk . De " kennis " van het netwerk is daarom groter dan de som der delen . Fault Tolerance Als een neuraal netwerk gedeeltelijk wordt vernietigd , sommige gebieden zal een vermindering van prestaties . In tegenstelling tot traditionele netwerken , maar sommige mogelijkheden van een neuraal netwerk worden gehandhaafd, zelfs met grote schade . Dit is hetzelfde als wanneer een persoon lijdt gelokaliseerde hersenbeschadiging die alleen bepaalde cognitieve vaardigheden beïnvloedt . Leren Neurale netwerken bezitten "leren regels " die hen in staat stellen om leren door het voorbeeld . De meest voorkomende is de delta regel gebruikt met back - propagational neurale netwerken . Back - propagatie verwijst naar de achterlijke voortplanting van fouten . Leren met behulp van de delta regel is een begeleid proces dat elke keer dat het netwerk wordt gepresenteerd met een nieuwe input patroon gebeurt . Het netwerk voorspelt wat het patroon zou kunnen zijn en vergelijkt dan die raming met wat het eigenlijk is gepresenteerd. Het gebruikt geen verschil om aanpassingen om zijn verbindingen te maken .
|