Каква е разликата между различни изкуствени невронни мрежи?


Отговор 1:

Въпреки че има много измерения на съвременните ANN, мисля, че си струва да се съсредоточим върху един аспект ... неговата относителна "биологичност".

Накратко, биологичният изчислителен неврон е (обикновено) параметричен модел на неврон, който приблизително реалистично мембранно напрежение.

Моделите за „интегриране и запалване“ са сива зона, тъй като макар тези модели да приближават мембранните напрежения на мембраната, те често не успяват точно да имитират потенциал на действие или период на пречупване.

Биологичните модели обикновено са някаква разновидност на модела на Ходжкин-Хъксли. Някои значителни опростявания позволиха да се симулират големи мрежи с реалистична компютърна мощност.

Много биологични модели прилагат и сложна синаптична динамика.

Небиологичните модели на невроните са по-точно описани като перцептрон. Perceptron изходите могат да бъдат степенувани или двоични. Много приложения за изкуствени невронни мрежи (четене на машинно обучение) са се постарали да внедрят инхибираща обратна връзка поради много от небиологичните опростявания, въведени в интерес на изчислителното време.


Отговор 2:

Изкуствените невронни мрежи (ANN) са част от изкуствения интелект (AI) и това е областта на компютърните науки, която е свързана с това, че компютрите се държат по-интелигентно. Изкуствените невронни мрежи (ANN) обработват данни и проявяват известна интелигентност и те се държат като проявяват интелигентност по такъв начин като разпознаване на образи, обучение и обобщение.

Приложения на изкуствени невронни мрежи:

  • Приложенията за изкуствена невронна мрежа са били използвани в областта на слънчевата енергия за моделиране и проектиране на инсталация за генериране на слънчева пара. Те са полезни при моделирането на системи, като например за изпълнение на сложно картографиране и идентификация на системата. ANN се използват за оценка на отоплението- натоварвания на сгради, коефициент на прехващане на колектора на параболичните нива и коефициент на локална концентрация

Видове изкуствени невронни мрежи:

Има различни видове изкуствени невронни мрежи (ANN) - В зависимост от неврона и мрежовите функции на човешкия мозък, изкуствена невронна мрежа или ANN изпълнява задачи по подобен начин.

Обратна връзка ANN - При този тип ANN, изходът се връща обратно в мрежата, за да се постигнат най-добре развитите резултати вътре. Мрежата за обратна връзка захранва информация обратно в себе си и е подходяща за решаване на проблеми с оптимизацията, според Университета на Масачузетс, Лоуъл Център за атмосферни изследвания. Обратните връзки ANN се използват от вътрешните корекции на грешки в системата.

Feed Forward ANN - Предаващата мрежа напред е проста невронна мрежа, състояща се от входен слой, изходен слой и един или повече слоеве неврони. Чрез оценка на неговия изход чрез преглед на неговия вход, мощността на мрежата може да бъде забелязана база относно груповото поведение на свързаните неврони и изходът се решава. Основното предимство на тази мрежа е, че тя се научава да оценява и разпознава входните модели.

Класификация-прогнозиране ANN –Той е подмножеството на пренасочващата ANN и ANN за класифициране-прогнозиране се прилага за сценарии за извличане на данни. Мрежата е обучена да идентифицира определени модели и да ги класифицира в конкретни групи и след това допълнително да ги класифицира в „нови модели“, които са нови за мрежата.

Прочетете още…