Timbang

Nilalaman

• Kahulugan - Ano ang ibig sabihin ng Timbang?
• Isang Panimula sa Microsoft Azure at ang Microsoft Cloud | Sa buong gabay na ito, malalaman mo kung ano ang lahat ng cloud computing at kung paano makakatulong ang Microsoft Azure sa iyo upang lumipat at patakbuhin ang iyong negosyo mula sa ulap.
• Ipinapaliwanag ng Techopedia ang Timbang

Kahulugan - Ano ang ibig sabihin ng Timbang?

Ang ideya ng timbang ay isang konsepto na pang-pundasyon sa mga artipisyal na neural network. Ang isang hanay ng mga weighted input ay nagbibigay-daan sa bawat artipisyal na neuron o node sa system upang makagawa ng mga nauugnay na output. Ang mga propesyonal na nakikitungo sa pag-aaral ng machine at artipisyal na mga proyekto ng intelektwal na kung saan ang mga artipisyal na neural network para sa mga katulad na mga sistema ay ginagamit madalas na pinag-uusapan ang bigat bilang isang function ng parehong biological at teknolohikal na sistema.

Ang timbang ay kilala rin bilang timbang ng synaptic.

Isang Panimula sa Microsoft Azure at ang Microsoft Cloud | Sa buong gabay na ito, malalaman mo kung ano ang lahat ng cloud computing at kung paano makakatulong ang Microsoft Azure sa iyo upang lumipat at patakbuhin ang iyong negosyo mula sa ulap.

Ipinapaliwanag ng Techopedia ang Timbang

Sa isang artipisyal na neuron, isang koleksyon ng mga bigat na input ay ang sasakyan kung saan nakikibahagi ang neuron sa isang function ng pag-activate at gumagawa ng isang desisyon (alinman sa pagpapaputok o hindi pagpapaputok). Karaniwang artipisyal na neural network ay may iba't ibang mga layer kasama ang isang input layer, nakatagong mga layer at isang output layer. Sa bawat layer, ang indibidwal na neuron ay kumukuha sa mga input na ito at tinitimbang ang mga ito nang naaayon. Ginagaya nito ang biyolohikal na aktibidad ng mga indibidwal na neuron, ang mga senyas na may isang bigat na synaptic na timbang mula sa axon ng isang neuron hanggang sa mga dendrite ng isa pang neuron.

Ang kalamangan ng IT ay maaaring gumamit ng mga tiyak na mga equation ng matematika at mga pag-andar sa pagmomolde ng visual upang ipakita kung paano ginagamit ang mga timbang ng synaptic sa isang artipisyal na neural network. Sa isang sistema na tinatawag na backpropagation, ang mga timbang ng input ay maaaring mabago alinsunod sa mga pag-andar ng output habang natututo ng system kung paano tama itong ilapat. Ang lahat ng ito ay batay sa kung paano gumagana ang mga network ng neural sa sopistikadong mga proyekto sa pagkatuto ng makina.