I vantaggi di Reti Neurali Artificiali

August 26

I vantaggi di Reti Neurali Artificiali


reti neurali artificiali sono modellati sulle intuizioni tratte da neurobiologia. Nel 1836, gli scienziati sono resi conto che il sistema nervoso degli organismi viventi costituiti da elementi interconnessi che lavorano in parallelo (la dottrina del neurone). Più tardi, nel 1949, è stato osservato che la resistenza sinapsi potrebbe essere ridotta l'esposizione ripetuta a segnali in ingresso (regola di apprendimento di Hebb). Come adattativa, sistemi intelligenti, le reti neurali sono robusti e di eccellere a risolvere problemi complessi. Le reti neurali sono solo il più efficiente la loro programmazione, ma gli scienziati concordano sul fatto che i vantaggi derivanti dall'utilizzo RNA superano i rischi.

Tipi di rete neurale

reti artificiali costituite da strati di neuroni binari (positivi o negativi, acceso o spento). Le prime reti sono state istituite in configurazioni feed-forward e consisteva di neuroni chiamati perceptron. Dati mosso attraverso la rete dall'ingresso, attraverso strati intermedi, all'uscita. Ricorrente, o back-propagazione, reti tentativo di correggere gli errori nella ponderazione dei nodi all'interno della rete e - in teoria - migliorare la formazione. Limitazioni di back-propagation hanno portato allo sviluppo di "restrittive" o chiuso retroazione RNA. A partire dal 2011, questi dati reti di loop tra ingresso e uno strato di uscita fino a quando uno scenario best-fit è raggiunto.

Costruire una rete

Come sono costituiti da strati di neuroni che elaborano dati in parallelo, le reti neurali sono intrinsecamente più efficienti di programmi lineari. La costruzione di una rete neurale artificiale prevede due fasi: la formazione e il riconoscimento, o ". Classificazione" Durante la fase di addestramento, un ingresso con una uscita nota viene inviata attraverso la rete. L'uscita viene confrontata con il pattern di controllo e la rete è ottimizzato (neuroni sono ponderati) fino al raggiungimento del risultato desiderato. La rete può quindi essere considerato formati e nuovi dati caricati in cerca di modelli nuovi.

Applicazioni e vantaggi

Poiché le reti addestrati possono scoprire informazioni nascoste, eccellono in data mining e risolvere problemi complessi. produttori di auto utilizzano le reti neurali in veicoli come parte di sistemi di allarme di backup corsia di rilevamento e. reti artificiale avanzata sono stati sviluppati per il software di riconoscimento facciale distribuito negli aeroporti e nelle aziende agricole nei sistemi di protezione delle colture intelligenti. Software finanziario utilizza reti neurali per prevedere azioni di prezzo. Anche le console di gioco con funzionalità di riconoscimento, come il Microsoft Kinect, utilizzano le reti neurali per riconoscere i giocatori e rilevare il movimento del corpo.

Limitazioni e preoccupazioni

Limitazioni di reti artificiali cambiati come progetti di rete evoluti. Un problema - più difficile di quanto possa sembrare - è che le reti devono essere formati solo quanto hanno bisogno di essere, e non di più. Una rete neurale overtrained soffre "fittedness" (o curva-montaggio) e diventa in grado di rilevare modelli unici nei dati originali.