Eszkola

Sieci neuronowe

Sieci neuronowe składają się z wielu połączonych ze sobą neuronów. Kiedy wychodzi pierwszy neuron, sygnał do wejścia otrzymuje drugi. Następnie znak otrzymuje kolejny i wysyła go do kolejnego. Neurony w sieciach ułożone są warstwowo, natomiast liczba takich warstw waha się od kilku do kilkunastu. Sztuczne sieci neuronowe złożone są z trzech warstw: wejściowej, ukrytej oraz wyjściowej. W informatyce siecią neuronową określa się oprogramowanie lub sprzęt, który jest zbliżony w działaniu do neuronów w ludzkim mózgu. Jeden neuron jest odpowiedzialny za swoje proste obliczenia, natomiast cała sieć pozwala na większe wykorzystanie tych zasobów. Sieci neuronowe mogą różnić się między sobą organizacją, metodami działania lub uczenia. Przeważnie dzieli się je pod trzema względami. Pierwszy to topologia, która zaczyna się od prostych sieci, mających małą liczbę warstw przekazujących informacje. Zazwyczaj przekazywanie informacji odbywa się w jednym kierunku. Głębsza sieć, która posiada większą liczbę danych zyskuje większy potencjał wykrywania wysokopoziomowych zależności. Druga cecha to indywidualne metody działania, wewnętrzy stopień dynamiki w sieci może być różny. Mowa tutaj o przekazywaniu danych pomiędzy warstwami ukrytymi a następnie otrzymaniu wyniku. Wielopoziomowe sieci rekurencyjne posiadają „dłuższą pamięć”. Trzecią zasadą są metody uczenia. Sieci mogą dążyć do zadanego wyniku pod nadzorem lub bez. Rozwój sieci neuronowych znacznie przyspieszył wraz z rozwojem sztucznej inteligencji. Sieć neuronowa posiada duże możliwości oraz wiele zalet. Doskonale pracują z dużymi zbiorami danych, kiedy człowiek nie jest w stanie ich ogarnąć. Sieci neuronowe odnajdują aktualnie zastosowanie w wielu dziedzinach tj. finanse, technologia.