Artipisyal na Neural Network (ANN)

May -Akda: John Stephens
Petsa Ng Paglikha: 21 Enero 2021
I -Update Ang Petsa: 27 Hunyo 2024
Anonim
How Neural Networks Work
Video.: How Neural Networks Work

Nilalaman

Kahulugan - Ano ang ibig sabihin ng Artipisyal na Neural Network (ANN)?

Ang isang artipisyal na network ng neuron (ANN) ay isang modelo ng computational batay sa istraktura at pag-andar ng mga biological neural network. Ang impormasyon na dumadaloy sa network ay nakakaapekto sa istraktura ng ANN dahil nagbago ang isang neural network - o natututo, sa isang kahulugan - batay sa input at output na iyon.


Ang mga ANN ay itinuturing na mga nonlinear statistical data modeling tool kung saan ang mga kumplikadong relasyon sa pagitan ng mga input at output ay mga modelo o mga pattern ay matatagpuan.

Kilala rin ang ANN bilang isang neural network.

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 Artipisyal na Neural Network (ANN)

Ang isang ANN ay may maraming mga pakinabang ngunit ang isa sa pinaka-kinikilala sa mga ito ay ang katunayan na maaari itong talagang malaman mula sa pagmamasid sa mga set ng data. Sa ganitong paraan, ang ANN ay ginagamit bilang isang tool na tool ng approximation ng random. Ang mga uri ng tool na ito ay nakakatulong sa pagtantya ang pinaka-mabisa at mainam na pamamaraan para sa pagdating sa mga solusyon habang tinukoy ang mga pag-andar o pag-aangkat ng computing. Kinukuha ng ANN ang mga halimbawa ng data kaysa sa buong mga hanay ng data upang makarating sa mga solusyon, na makatipid ng parehong oras at pera. Ang mga ANN ay itinuturing na medyo simpleng modelo ng matematika upang mapahusay ang umiiral na mga teknolohiya ng pagsusuri ng data.


Ang mga ANN ay may tatlong layer na magkakaugnay. Ang unang layer ay binubuo ng mga input neuron. Ang mga data ng neuron na iyon sa pangalawang layer, na kung saan ay ang output neuron sa ikatlong layer.

Ang pagsasanay sa isang artipisyal na neural network ay nagsasangkot ng pagpili mula sa mga pinapayagan na mga modelo kung saan mayroong maraming mga nauugnay na algorithm.