Een kunstmatig neuraal netwerk is een geprogrammeerde computationeel model dat tot doel heeft de neurale structuur en werking van het menselijk brein te repliceren . Het bestaat uit een onderling verbonden structuur van kunstmatig neuronen die als wegen voor gegevensoverdracht . Kunstmatige neurale netwerken zijn flexibel en adaptief , leren en aanpassen met elk verschillende interne of externe stimuli . Kunstmatige neurale netwerken worden gebruikt in sequentie en patroonherkenning systemen , gegevensverwerking , robotica en modellering . Er zijn verschillende types van neurale netwerken, waaronder feedforward neurale netwerk radiale basisfunctie ( RBF ) , Kohonen zelforganiserende netwerk en de terugkerende neuraal netwerk . Flexibiliteit Kunstmatige neurale netwerken hebben het vermogen om te generaliseren en te leren . Zij kennis van hun omgeving door aanpassing aan interne en externe parameters . Het netwerk leert van voorbeelden en past zich aan situaties op basis van haar bevindingen . Het generaliseert kennis om passende oplossingen te produceren om onbekende situaties . Kunstmatige neurale netwerken oplossen van complexe problemen die moeilijk te beheren bij benadering zijn . Non - lineariteit Een computationeel neuron kan produceren een lineaire of een niet - lineaire antwoord . Een niet - lineaire netwerk kunstmatig door de koppeling van niet - lineaire neuronen . Niet - lineaire systemen hebben ingangen die niet evenredig aan de uitgangen . Deze functie maakt het mogelijk het netwerk om efficiënt kennis te verwerven door te leren . Dit is een duidelijk voordeel ten opzichte van een traditioneel lineaire netwerk dat is onvoldoende als het gaat om het modelleren non - lineaire data . Greater Fault Tolerance Een kunstmatige neuron netwerk kan meer fouttolerantie dan een traditionele netwerk . Het netwerk kan een fout in een van de componenten regenereren zonder verlies van opgeslagen data . Het maakt gebruik van voorbeelden en voorbeelden uit het verleden om de werking van een beschadigde knooppunt of een ander netwerk samenstellende weer in elkaar zetten . Adaptive Learning Een kunstmatige neuron netwerk is gebaseerd op het concept van abstract leren . Drie leren paradigma functioneren tot het net voor adaptief leren rusten . Dit zijn reinforcement leren , zonder toezicht leren en begeleid leren . Neuron netwerken kunnen worden opgeleid via gespecialiseerde algoritmen waaronder niet- parametrische methoden , verwachting maximalisatie , simulated annealing en evolutionaire methoden . De neuronen van een kunstmatige neuron netwerk zijn flexibel genoeg om te worden afgestemd op de verschillende ingangssignaal patronen en wennen aan een divers scala aan onbekende situaties . Ze zijn voortdurend accepteren en het vervangen van eerder geleerde informatie , het houden van hun bewaarplaats van probleemoplossende technieken bijgewerkt .
|