A proposito di Threshold Logic

May 7

A proposito di Threshold Logic


Reti Neurali Artificiali sono modelli di reti biologiche di neuroni. Come neuroni biologici, i neuroni artificiali sommano vari ingressi e confrontare la somma di un valore di soglia. Se la somma supera la soglia, il neurone passa un segnale al neurone successivo. Fintanto che la somma è inferiore alla soglia, nessun segnale viene trasmesso. Questo paradigma di elaborazione delle informazioni è chiamato logica soglia.

neuroni

neuroni biologici hanno diversi ingressi, da organi di senso e di altri neuroni, e una sola uscita. Se gli ingressi cumulativi passa una certa soglia, la cella passa attraverso un processo catartico chiamato "cottura" che provoca una corrente elettrica per scendere lungo l'unica uscita fino alla fine del "nervoso", dove la corrente provoca l'espulsione di piccole borse neurotrasmettitori - le molecole che attivano i muscoli o altri neuroni. neuroni artificiali imitano questo processo, ma tutte le variabili sono rappresentate da numeri che possono essere regolati per mettere a punto il processo. I singoli ingressi sono automaticamente moltiplicati per numeri chiamati "pesi", che possono essere regolati per modificare il comportamento dei neuroni.

reti neurali

reti neurali sono raccolte di neuroni che lavorano insieme per creare un effetto. Un'applicazione tipica ha neuroni disposte a strati, quindi un modello di segnali è presentato alla prima fila di neuroni, filtrato attraverso altri strati, poi un ultima fila di neuroni presenta un modello di segnali. Questa processi di "traduzione" possono essere addestrati. Altre applicazioni di avere tutti i neuroni collegati tra loro, in modo che quando alcuni dei neuroni sono stimolati, l'intero insieme di neuroni si deposita in uno stato stabile che rappresenta un modello precedentemente memorizzato. Un'altra applicazione ha ogni neurone collegata solo ai suoi vicini - come nello strato di cellule nella parte posteriore dell'occhio - in grado di rilevare le cose come i bordi di schemi di eccitazione causate da fasci di luce e oscurità.

Apprendimento

È interessante notare, le reti neurali artificiali ereditano alcune caratteristiche desiderabili di reti neurali neurali biologiche. Uno di questi è l'apprendimento. reti neurali artificiali non sono programmati come computer; sono addestrati - come gli animali modo in cui sono addestrati. La formazione è compiuto regolando i pesi dei neuroni. Ciò significa che le reti neurali artificiali possono essere utilizzati per controllare processi che sono impossibili da descrivere finché ci sono molti esempi da utilizzare nella formazione. Un'altra buona qualità dei dispositivi logici soglia è la loro capacità di generalizzare. Se una rete neurale addestrata viene mostrato un modello che non ha mai visto prima, di solito la classifica in modo corretto.

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 sulla rete neurale. Questi benefici includono la formazione più veloce e una maggiore capacità di generalizzare.


Articoli Correlati