Jump to content

Нейронная сеть

(Перенаправлено с нейронной сети )

Нейронная сеть — это группа взаимосвязанных единиц, называемых нейронами , которые посылают друг другу сигналы. Нейроны могут быть либо биологическими клетками , либо математическими моделями . Хотя отдельные нейроны просты, многие из них вместе в сети могут выполнять сложные задачи. Существует два основных типа нейронных сетей.

В биологии

[ редактировать ]
Анимированная конфокальная микрофотография части биологической нейронной сети в полосатом теле мыши.

В контексте биологии нейронная сеть — это популяция биологических нейронов, химически связанных друг с другом синапсами . Каждый нейрон может быть связан с сотнями тысяч синапсов. [1] Каждый нейрон отправляет и получает электрохимические сигналы, называемые потенциалами действия, своим соседям. Нейрон может выполнять возбуждающую роль, усиливая и распространяя получаемые сигналы, или тормозящую роль, вместо этого подавляя сигналы. [1]

Популяции взаимосвязанных нейронов, размер которых меньше нейронной сети, называются нейронными цепями . Очень большие взаимосвязанные сети называются крупномасштабными мозговыми сетями , и многие из них вместе образуют мозг и нервную систему .

Сигналы, генерируемые нейронными сетями головного мозга, в конечном итоге проходят через нервную систему и нервно-мышечные соединения к мышечным клеткам , где они вызывают сокращение и, следовательно, движение. [2]

В машинном обучении

[ редактировать ]
Схема простой с прямой связью искусственной нейронной сети

В машинном обучении нейронная сеть — это искусственная математическая модель, используемая для аппроксимации нелинейных функций. Хотя ранние искусственные нейронные сети были физическими машинами, [3] сегодня они почти всегда реализованы в программном обеспечении .

Нейроны в искусственной нейронной сети обычно разбиты на слои, при этом информация передается от первого слоя (входной слой) через один или несколько промежуточных слоев ( скрытые слои ) к последнему слою (выходной слой). [4] Входной «сигнал» для каждого нейрона представляет собой число, а именно линейную комбинацию выходных сигналов связанных нейронов предыдущего слоя. Сигнал, выдаваемый каждым нейроном, рассчитывается на основе этого числа в соответствии с его функцией активации . Поведение сети зависит от силы (или веса ) связей между нейронами. Сеть обучается путем изменения этих весов посредством минимизации эмпирического риска или обратного распространения ошибки , чтобы соответствовать некоторому уже существующему набору данных. [5]

Нейронные сети используются для решения задач в области искусственного интеллекта и, таким образом, нашли применение во многих дисциплинах, включая прогнозное моделирование , адаптивное управление , распознавание лиц , распознавание рукописного ввода , общие игры и генеративный искусственный интеллект .

Теоретическая основа современных нейронных сетей была независимо предложена Александром Бэйном в 1873 году. [6] и Уильям Джеймс в 1890 году. [7] Оба утверждали, что человеческое мышление возникает в результате взаимодействия большого количества нейронов внутри мозга. В 1949 году Дональд Хебб описал обучение Хебба — идею о том, что нейронные сети могут меняться и обучаться с течением времени, усиливая синапс каждый раз, когда по нему проходит сигнал. [8]

Искусственные нейронные сети первоначально использовались для моделирования биологических нейронных сетей, начиная с 1930-х годов, в рамках подхода коннекционизма . Однако, начиная с изобретения персептрона , простой искусственной нейронной сети, Уорреном Маккалоком и Уолтером Питтсом в 1943 году, [9] за которым последовала аппаратная реализация Фрэнком Розенблаттом в 1957 году, [3] Вместо этого искусственные нейронные сети стали все чаще использоваться для приложений машинного обучения и все больше отличались от своих биологических аналогов.

См. также

[ редактировать ]
  1. ^ Jump up to: а б Шао, Фэн; Шэнь, Чжэн (9 января 2022 г.). «Как искусственные нейронные сети могут приблизиться к мозгу?» . Передний. Психол . 13 : 970214. doi : 10.3389/fpsyg.2022.970214 . ПМЦ   9868316 . ПМИД   36698593 .
  2. ^ Левитан, Ирвин; Качмарек, Леонард (19 августа 2015 г.). «Межклеточная связь». Нейрон: клеточная и молекулярная биология (4-е изд.). Нью-Йорк, штат Нью-Йорк: Издательство Оксфордского университета. стр. 153–328. ISBN  978-0199773893 .
  3. ^ Jump up to: а б Розенблатт, Ф. (1958). «Перцептрон: вероятностная модель хранения и организации информации в мозге». Психологический обзор . 65 (6): 386–408. CiteSeerX   10.1.1.588.3775 . дои : 10.1037/h0042519 . ПМИД   13602029 . S2CID   12781225 .
  4. ^ Бишоп, Кристофер М. (17 августа 2006 г.). Распознавание образов и машинное обучение . Нью-Йорк: Спрингер. ISBN  978-0-387-31073-2 .
  5. ^ Вапник Владимир Н.; Вапник, Владимир Наумович (1998). Природа статистической теории обучения (Исправленное 2-е издание). Нью-Йорк Берлин Гейдельберг: Springer. ISBN  978-0-387-94559-0 .
  6. ^ Бейн (1873 г.). Разум и тело: теории их связи . Нью-Йорк: Д. Эпплтон и компания.
  7. ^ Джеймс (1890). Принципы психологии . Нью-Йорк: Х. Холт и компания.
  8. ^ Хебб, DO (1949). Организация поведения . Нью-Йорк: Wiley & Sons.
  9. ^ Маккалок, В; Питтс, W (1943). «Логическое исчисление идей, имманентных нервной деятельности» . Вестник математической биофизики . 5 (4): 115–133. дои : 10.1007/BF02478259 .
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: b1042497e4c652691fd6eb2f8bfc8836__1722158520
URL1:https://arc.ask3.ru/arc/aa/b1/36/b1042497e4c652691fd6eb2f8bfc8836.html
Заголовок, (Title) документа по адресу, URL1:
Neural network - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)