Buatan - adalah mereka yang terdiri dari elemen tunggal - neuron.Mereka adalah model matematika neuron biologis, yaitu sel-sel yang membentuk sistem saraf.
pertama mulai berbicara tentang jaringan saraf pada tahun 1943, tapi setelah penemuan Perceptron Rosenblatt datang era keemasan, dan jaringan telah menjadi sangat populer.Namun, setelah penerbitan Minsk pada tahun 1969, di mana ilmuwan telah membuktikan inefisiensi Perceptron, dalam kondisi tertentu, kepentingan di sektor ini turun tajam.Tapi cerita tidak berakhir dengan jaringan buatan.. Pada tahun 1985, George Hopfield disajikan studi mereka dan membuktikan bahwa jaringan saraf - alat yang hebat untuk mesin belajar.
dipinjam dari biologi beberapa konsep dan prinsip-prinsip.Neuron - semacam saklar yang menerima dan mengirimkan impuls (sinyal).Jika neuron menerima momentum yang cukup kuat, diyakini bahwa itu diaktifkan dan mengirimkan pulsa neuron yang terkait dengan itu tersisa.Neuron yang sama yang tidak diaktifkan, tetap dalam keadaan istirahat, denyut nadi tidak lulus.Neuron terdiri dari beberapa komponen utama: sinapsis yang menghubungkan neuron satu sama lain dan menerima pulsa, akson, yang bertugas untuk mengirimkan pulsa dan dendrit, yang menerima sinyal dari berbagai sumber.Ketika neuron menerima impuls di atas ambang tertentu, segera mengirimkan sinyal ke neuron berikutnya.
Sebuah model matematika adalah sedikit berbeda.Log model matematika dari neuron - vektor yang terdiri dari sejumlah besar komponen.Setiap komponen - adalah salah satu dari pulsa yang diterima oleh neuron.Output dari model ini adalah nomor tunggal.Artinya, dalam vektor model input diubah menjadi skalar, kemudian dipindahkan ke neuron lain.Jaringan
Neural dapat dilatih dalam dua cara: dengan dan tanpa seorang guru.Proses pembelajaran terdiri dari beberapa langkah.Silahkan masukan jaringan disajikan stimulus dari luar.Kemudian, sesuai dengan aturan mengubah parameter bebas dari jaringan saraf, maka jaringan merespon rangsangan masukan memiliki berbeda.Proses ini harus diulang selama jaringan tidak memecahkan masalah.Algoritma belajar yang diawasi adalah bahwa selama pelatihan jaringan sudah memiliki jawaban yang benar.Metode ini telah berhasil digunakan untuk banyak aplikasi, tetapi sering dikritik karena fakta bahwa ia secara biologis tidak masuk akal.Jaringan saraf dilatih tanpa seorang guru dalam kasus di mana sinyal input hanya dikenal.Atas dasar ini, jaringan secara bertahap belajar untuk memberikan yang terbaik nilai output.
Penerapan jaringan saraf benar-benar beragam.Sering mereka digunakan untuk otomatisasi pengakuan, peramalan, penciptaan berbagai sistem pakar pendekatan fungsional.Dengan jaringan tersebut dapat melakukan deteksi indikator atau sinyal optik audio yang memprediksi pertukaran, untuk menciptakan sebuah sistem yang mampu belajar mandiri, yang dapat, misalnya, untuk mensintesis pidato dari teks yang diberikan atau tempat parkir mobil.Jaringan syaraf digunakan di Barat semakin, sayangnya, perusahaan domestik belum telah mengadopsi teknik ini.
Meskipun keuntungan dari ANN perhitungan konvensional di beberapa daerah, jaringan saraf yang ada - bukan solusi sempurna.Karena mereka dapat belajar, mereka bisa salah.Selain itu, tidak mungkin akurat untuk memastikan bahwa jaringan saraf dirancang untuk menjadi optimal.Pengembang diperlukan untuk memahami sifat dari masalah yang sedang diselesaikan, memiliki banyak informasi yang menjelaskan masalah, untuk memperoleh data untuk pengujian dan pelatihan jaringan, memilih metode yang tepat pelatihan, fungsi transfer dan fungsi adder.
