Wat jy moet weet om die veranderende tegnologie rondom jou te verstaan
Neurale netwerke is rekenaarmodelle van verwante eenhede of nodusse wat ontwerp is om inligting (data) te oordra, verwerk en op soortgelyke wyse te leer hoe neurone (senuweeselle) by mense werk.
Kunsmatige Neurale Netwerke
In tegnologie word neurale netwerke dikwels na verwys as kunsmatige neurale netwerke (ANNs) of neurale nette om te onderskei van die biologiese neurale netwerke waarna hulle gemodelleer word. Die hoofgedagte agter ANNs is dat die menslike brein die mees komplekse en intelligente "rekenaar" is wat bestaan. Deur die modellering van ANNs so na as moontlik aan die struktuur en stelsel van inligtingsverwerking wat deur die brein gebruik word, het navorsers gehoop om rekenaars te skep wat die menslike intelligensie benader of oortref het. Neurale nette is 'n belangrike komponent van huidige vordering in kunsmatige intelligensie (AI), masjienleer (ML) en diep leer .
Hoe Neurale Netwerke Werk: 'n Vergelyking
Om te verstaan hoe neurale netwerke werk en die verskille tussen die twee tipes (biologies en kunsmatig), gebruik ons die voorbeeld van 'n kantoor met 15 verdiepings en die telefoonlyne en skakelborde wat die roete deur die gebou, individuele vloere en individuele kantore bel. Elke individuele kantoor in ons 15-verdieping kantoorgebou verteenwoordig 'n neuron (nodus in rekenaarnetwerk of senuweesel in biologie). Die gebou self is 'n struktuur wat 'n stel kantore bevat wat in 'n stelsel van 15 vloere gereël word ('n neurale netwerk).
Deur die voorbeeld van biologiese neurale netwerke toe te pas, het die skakelbord wat oproepe ontvang, lyne om aan enige kantoor op enige vloer in die hele gebou te verbind. Daarbenewens het elke kantoor lyne wat dit aan elke ander kantoor in die hele gebou op enige vloer verbind. Stel jou voor dat 'n oproep inkom (insette) en die skakelbord oorplaas dit na 'n kantoor op die 3de vloer, wat dit direk na 'n kantoor op die 11de verdieping oorplaas, wat dit dan direk na 'n kantoor op die 5de vloer oordra. In die brein kan elke neuron of senuwee sel ('n kantoor) direk met enige ander neuron in sy stelsel of neurale netwerk (die gebou) verbind. Inligting (die oproep) kan na enige ander neuron (kantoor) oorgedra word om te verwerk of te leer wat nodig is totdat daar 'n antwoord of resolusie (uitset) is.
Wanneer ons hierdie voorbeeld aan ANNs toepas, word dit nogal meer kompleks. Elke verdieping van die gebou benodig sy eie skakelbord, wat slegs met die kantore op dieselfde vloer verbind kan word, sowel as die skakelborde op die vloere bo en onder. Elke kantoor kan slegs direk met ander kantore op dieselfde vloer en die skakelbord vir die vloer verbind. Alle nuwe oproepe moet begin met die skakelbord op die 1ste vloer en moet na elke individuele vloer in numeriese volgorde oorgedra word tot die 15de vloer voordat die oproep kan eindig. Kom ons stel dit in werking om te sien hoe dit werk.
Stel jou voor dat 'n oproep in die ingang van die 1ste vloer skakelbord kom en na 'n kantoor op die 1 ste verdieping (knoop) gestuur word. Die oproep word dan direk onder ander kantore (nodes) op die 1ste vloer oorgedra totdat dit gereed is om na die volgende vloer gestuur te word. Dan moet die oproep terug gestuur word na die 1 ste vloer skakelbord, wat dit dan na die 2de vloer skakelbord oorplaas. Dieselfde stappe herhaal een vloer op 'n slag, met die oproep deur elke proses op elke vloer tot op die vloer 15 gestuur.
In ANNs word nodes (kantore) in lae (vloere van die gebou) gereël. Inligting ('n oproep) kom altyd deur die inset laag (1 ste vloer en sy skakelbord) en moet deur elke laag (vloer) gestuur word en verwerk word voordat dit na die volgende kan beweeg. Elke laag (vloer) verwerk 'n spesifieke detail oor die oproep en stuur die resultaat saam met die oproep na die volgende laag. Wanneer die oproep die uitlaatlaag (15de vloer en sy skakelbord) bereik, sluit dit die verwerkingsinligting van lae 1-14 in. Die nodusse (kantore) op die 15de laag (vloer) gebruik die insette en verwerkingsinligting van al die ander lae (vloere) om 'n antwoord of resolusie (uitset) op te stel.
Neurale Netwerke en Masjienleer
Neurale nette is een tipe tegnologie onder die masjienleerkategorie. Trouens, vooruitgang in navorsing en ontwikkeling van neurale nette is nou verbind met die ebbs en vloei van vooruitgang in ML. Neurale nette brei die dataverwerkingsvermoëns uit en verhoog die rekenkrag van ML, wat die hoeveelheid data wat verwerk kan word, verhoog, maar ook die vermoë om meer komplekse take uit te voer.
Die eerste gedokumenteerde rekenaarmodel vir ANNs is in 1943 deur Walter Pitts en Warren McCulloch geskep. Aanvanklike belangstelling en navorsing in neurale netwerke en masjienleer het uiteindelik verlangsaam en is in 1969 min of meer gerangskik, met slegs klein uitbarstings van hernieude belangstelling. Rekenaars van die tyd het eenvoudig nie vinnig genoeg of groot genoeg verwerkers gehad om hierdie gebiede verder te bevorder nie. Die groot hoeveelheid data wat benodig is vir ML en neurale nette was destyds nie beskikbaar nie.
Massiewe toenames in rekenaarkrag oor tyd, saam met die groei en uitbreiding van die internet (en dus toegang tot groot hoeveelhede data via die internet) het die vroeë uitdagings opgelos. Neurale nette en ML is nou instrumenteel in tegnologieë wat ons elke dag sien, gebruik soos gesigsherkenning , beeldverwerking en soek, en real-time taalvertaling - om net 'n paar te noem.
Neurale Netwerk Voorbeelde in die daaglikse lewe
Die ANN is 'n taamlik komplekse onderwerp binne tegnologie, maar dit is die moeite werd om tyd te verken om te verken weens die toenemende aantal maniere waarop dit ons lewens elke dag beïnvloed. Hier is 'n paar voorbeelde van maniere waarop neurale netwerke tans deur verskillende bedrywe gebruik word:
- Finansies: Neurale nette word gebruik om wisselkoerse te voorspel. Hulle word ook gebruik in die tegnologie agter outomatiese handelsstelsels wat in die aandelemark gebruik word.
- Geneeskunde: Die beeldverwerkingsvermoëns van neurale nette het bygedra tot tegnologie wat meer akkuraat kan skerm vir vroegtydige stadiums en moeilik identifiseer tipes kankers. Een soorte kanker is indringende melanoom, die mees ernstige en dodelike vorm van velkanker. Die identifisering van melanoom in vroeë stadiums, voordat dit versprei het, gee pasiënte met hierdie tipe kanker die beste kans om dit te klop.
- Weer: Die vermoë om atmosferiese veranderinge op te spoor wat 'n moontlike ernstige en gevaarlike weer gebeurtenis so vinnig en akkuraat moontlik aandui, is noodsaaklik om lewens te red. Neurale nette is betrokke by die real-time verwerking van satelliet- en radarbeelde wat nie net vroeë vorming van orkane en siklone ontdek nie, maar ook skielike veranderinge in windsnelheid en rigting wat 'n vormende tornado aandui, opspoor. Tornado's is van die sterkste en gevaarlikste weersomstandighede op rekord - dikwels meer skielik, vernietigend en dodelik as orkane.