เครือข่ายประสาทคืออะไรในคำง่าย ๆ [ปิด]


11

คุณช่วยอธิบายโครงข่ายประสาทเทียมด้วยคำง่ายๆได้ไหม?


ลิงค์แรกในการค้นหา google: en.wikipedia.org/wiki/Neural_networkและen.wikipedia.org/wiki/Artificial_neural_network
Walter

1
ฉันค้นหาแรกของพวกเขา แต่มันก็ไม่ง่าย
LifeH2O

6
จากนั้นลองใช้simple.wikipedia.org/wiki/Neural_network
DavRob60

คำตอบ:


13

เครือข่ายนิวรัลเป็นคลาสของระบบคอมพิวเตอร์ พวกเขาถูกสร้างขึ้นจากการประมวลผลที่ง่ายมากโหนดที่เกิดขึ้นในเครือข่าย พวกเขาได้รับแรงบันดาลใจจากวิธีการที่ระบบทางชีวภาพเช่นการทำงานของสมองแม้ว่าคำสั่งขนาดใหญ่ที่ซับซ้อนน้อยกว่าในขณะนี้

พวกเขาเป็นระบบการจดจำรูปแบบพื้นฐานและมีแนวโน้มที่จะมีประโยชน์มากขึ้นสำหรับงานที่สามารถอธิบายได้ในแง่ของการจดจำรูปแบบ พวกเขาได้รับการฝึกฝนโดยให้อาหารด้วยชุดข้อมูลที่มีเอาต์พุตที่รู้จัก

ตัวอย่างเช่นลองจินตนาการว่าคุณกำลังพยายามฝึกอบรมเครือข่ายเพื่อส่งออก 1 เมื่อได้รับรูปภาพของแมวและเป็น 0 เมื่อเห็นรูปภาพที่ไม่ใช่แมว คุณจะฝึกอบรมเครือข่ายด้วยการเรียกใช้รูปภาพแมวจำนวนมากผ่านทางมันและใช้อัลกอริทึมในการปรับแต่งพารามิเตอร์เครือข่ายจนกว่ามันจะให้การตอบสนองที่ถูกต้อง โดยปกติพารามิเตอร์จะได้รับจากแต่ละอินพุตและน้ำหนักของแต่ละโหนดรวมถึงโครงสร้างที่แท้จริงของเครือข่าย (จำนวนโหนดในจำนวนเลเยอร์ที่มีการเชื่อมต่อระหว่างกัน)

การรับรู้ภาพแมวเป็นปัญหาที่ค่อนข้างซับซ้อนและจะต้องใช้เครือข่ายประสาทที่ซับซ้อน (อาจเริ่มต้นด้วยหนึ่งโหนดต่อพิกเซล) จุดเริ่มต้นตามปกติสำหรับการทดลองกับเครือข่ายประสาทคือการพยายามและใช้ประตูตรรกะอย่างง่ายเช่น AND, OR, NOT และอื่น ๆ เป็นมุ้งประสาท

โครงข่ายประสาทเทียมสามารถเป็นวิธีที่รวดเร็วในการบรรลุผลที่ซับซ้อน พวกเขาน่าสนใจมากสำหรับการวิจัย AI เนื่องจากเป็นแบบจำลองสำหรับสมองสัตว์

หนึ่งในข้อเสียที่สำคัญของเครือข่ายประสาทคือมันยากมากที่จะทำวิศวกรรมย้อนกลับ หากเครือข่ายของคุณตัดสินใจรูปช้างหนึ่งรูปเป็นแมวคุณไม่สามารถระบุได้ว่า 'ทำไม' ในแง่ที่มีประโยชน์ สิ่งที่คุณสามารถทำได้คือลองฝึกอบรม / ปรับเปลี่ยนเครือข่ายเพิ่มเติม

โครงข่ายประสาทมีแนวโน้มที่จะใช้สำหรับงานที่มีขอบเขต จำกัด เช่นการรับรู้เหรียญ / ธนบัตรในเครื่องขายแสตมป์อัตโนมัติหรือข้อบกพร่องที่พบในสายการผลิต

จุดเริ่มต้นที่ดีที่สุดถ้าคุณสนใจน่าจะเป็น google 'perceptron' ซึ่งเป็นชื่อหนึ่งในองค์ประกอบเครือข่ายประสาทที่เก่าแก่ที่สุด


22

ฉันศึกษาปัญญาประดิษฐ์ในโปรแกรมปริญญาโทและเราใช้เครือข่ายประสาทค่อนข้างมาก พวกมันมีประโยชน์จริง ๆ

ฉันคิดว่าปัญหาสำหรับอวนประสาทเป็นชื่อของพวกเขา ทั้งสองนี้สับสนว่าเครือข่ายประสาทจริงเกิดขึ้นจริงและทำให้บางคนถามถึงข้อดีของพวกเขาเพราะพวกเขาคาดหวังให้พวกเขาทำหน้าที่เหมือนสมองเมื่อพวกเขาเป็นประเภทแฟนซีของฟังก์ชั่น

วิธีที่ดีที่สุดที่จะเข้าใจโครงข่ายประสาทคือการย้ายชื่อ อย่าคิดว่ามันเป็นแบบจำลองของสมอง ... มันไม่ใช่ ... นี่คือความตั้งใจในทศวรรษ 1960 แต่เป็นปี 2011 และพวกมันถูกใช้ตลอดเวลาสำหรับการเรียนรู้และการจัดหมวดหมู่ของเครื่องจักร

เครือข่ายประสาทเป็นจริงเพียงฟังก์ชันทางคณิตศาสตร์ คุณป้อนเวกเตอร์ของค่าค่าเหล่านั้นจะถูกคูณด้วยค่าอื่น ๆ และค่าหรือเวกเตอร์ของค่าจะถูกส่งออก นั่นคือทั้งหมดมันเป็น

พวกมันมีประโยชน์มากในโดเมนปัญหาที่ไม่มีฟังก์ชั่นที่รู้จักสำหรับการประมาณคุณสมบัติที่กำหนด (หรืออินพุต) ไปยังเอาต์พุตของพวกเขา (การจำแนกหรือการถดถอย) ตัวอย่างหนึ่งคือสภาพอากาศ - มีคุณสมบัติมากมายสำหรับสภาพอากาศ - ประเภทอุณหภูมิการเคลื่อนไหวการปกคลุมของเมฆเหตุการณ์ที่ผ่านมา ฯลฯ - แต่ไม่มีใครสามารถบอกได้อย่างชัดเจนว่าจะคำนวณได้อย่างไรว่าอากาศจะเป็นอย่างไรใน 2 วันนับจากนี้ โครงข่ายประสาทเทียมเป็นฟังก์ชั่นที่มีโครงสร้างในลักษณะที่ทำให้ง่ายต่อการปรับเปลี่ยนพารามิเตอร์ของมันเพื่อการพยากรณ์สภาพอากาศโดยประมาณตามคุณสมบัติ

นั่นคือสิ่งที่ ... มันเป็นฟังก์ชั่นและมีโครงสร้างที่ดีเหมาะกับ "การเรียนรู้" เราจะใช้ข้อมูลสภาพอากาศห้าปีที่ผ่านมา - สมบูรณ์ด้วยคุณสมบัติของสภาพอากาศและสภาพอากาศในอนาคต 2 วันสำหรับทุก ๆ วันในช่วงห้าปีที่ผ่านมา น้ำหนักเครือข่าย (ปัจจัยการคูณที่อยู่ในขอบ) จะถูกสร้างแบบสุ่มและข้อมูลจะถูกเรียกใช้ผ่าน สำหรับการทำนายแต่ละครั้ง NN จะส่งออกค่าที่ไม่ถูกต้อง การใช้อัลกอริทึมการเรียนรู้ที่ใช้ในแคลคูลัสเช่น back-propogation สามารถใช้ค่าข้อผิดพลาดเอาต์พุตเพื่ออัปเดตน้ำหนักทั้งหมดในเครือข่าย พอวิ่งผ่านข้อมูลระดับข้อผิดพลาดจะถึงจุดต่ำสุด (มีมากกว่านั้น แต่ฉันจะไม่เข้าไปที่นี่ - ที่สำคัญที่สุดคือเหมาะสมกว่า) เป้าหมายคือหยุดอัลกอริทึมการเรียนรู้เมื่อระดับข้อผิดพลาดอยู่ในจุดที่ดีที่สุด เครือข่ายได้รับการแก้ไขแล้วและ ณ จุดนี้มันเป็นฟังก์ชันทางคณิตศาสตร์ที่แมปค่าอินพุตเข้ากับค่าเอาต์พุตเหมือนกับสมการเก่า ๆ คุณป้อนข้อมูลใหม่และไว้วางใจว่าค่าผลลัพธ์เป็นค่าประมาณที่ดี

สำหรับผู้ที่อ้างว่าล้มเหลวพวกเขาไม่ได้ พวกมันมีประโยชน์อย่างมากในหลายโดเมน คุณคิดว่านักวิจัยเข้าใจความสัมพันธ์ระหว่างยีนและโรคอย่างไร NNs เช่นเดียวกับอัลกอริทึมการเรียนรู้อื่น ๆ ที่ใช้ในชีวสารสนเทศศาสตร์และด้านอื่น ๆ พวกเขาได้รับการแสดงเพื่อให้ได้ผลลัพธ์ที่ดีมาก ตอนนี้องค์การนาซ่าใช้พวกเขาสำหรับงานประจำของสถานีอวกาศเช่นการทำนายอายุการใช้งานแบตเตอรี่ บางคนจะบอกว่าการสนับสนุนเวกเตอร์แมชชีน ฯลฯ ดีกว่า ... แต่ไม่มีหลักฐานว่าอัลกอริทึมอื่นนั้นใหม่กว่า

จริงๆแล้วคนเลวก็ยังอ้างว่าเครือข่ายประสาทล้มเหลวเพราะมันง่ายกว่าสมองมนุษย์ --- เครือข่ายประสาทไม่ได้ใช้กับสมองจำลองอีกต่อไปนั่นคือเมื่อ 50 ปีที่แล้ว


2

มันเป็นรูปแบบทางคณิตศาสตร์สำหรับการสร้างสมการ (รับอินพุตที่เป็นตัวเลขหลายตัวและให้เอาต์พุตที่เป็นตัวเลขเดียว) พร้อมกับน้ำหนักสัมประสิทธิ์ที่ปรับได้ มีอัลกอริธึมที่สามารถปรับค่าสัมประสิทธิ์เพื่อสร้างสมการที่ใกล้เคียงกับผลลัพธ์ที่คาดหวังได้รับชุดฝึกอบรมประกอบด้วยอินพุตและเอาต์พุตที่คาดหวัง

ตัวอย่างที่ง่ายที่สุดพร้อมกับกราฟิกที่มีอยู่ในวิกิพีเดีย ตัวอย่างนี้เรียกว่า XOR


-8

ในคำง่าย ๆ อย่างที่คุณถาม Neural Network เป็นความคิดที่ล้มเหลวในการเลียนแบบอวนทางชีววิทยา มันไม่เคยให้ผลลัพธ์ที่น่าสนใจและอาจจะไม่เคยทำเพราะ:

(1) มันง่ายเกินไปเมื่อเทียบกับสิ่งที่คุณสามารถทำได้กับภาษาโปรแกรมทัวริงที่สมบูรณ์

(2) มันง่ายเกินไปเมื่อเทียบกับอวนประสาทชีววิทยา: พวกมันกลายเป็นสิ่งที่ซับซ้อนกว่าที่คิดไว้เมื่อทฤษฎี NN ถูกสร้างขึ้น

การอ้างว่ามุ้งประสาทจะประสบความสำเร็จในงานใด ๆ ที่ใช้ในการใช้งานในโลกแห่งความจริงเป็นการพูดเกินจริง

มาลงที่ฉันสิ


4
"มาลงที่ฉันสิ" ตกลง. ไม่ใช่เพราะคุณถาม ไม่ฉันกำลัง downvoting เพราะเห็นได้ชัดว่าคุณไม่รู้อะไรเกี่ยวกับ Neural Networks หรือสิ่งที่พวกเขาใช้สำหรับใน "แอปพลิเคชันในโลกแห่งความจริง"
Steven Evers

ทำไมคุณคิดว่าความคิด "ล้มเหลว"?

ฉันไม่เห็นด้วย. ใน bioinformatics ANN ถูกนำมาใช้อย่างมากในการประเมินคุณสมบัติจาก descriptors ในทำนองเดียวกันคนเหล่านี้ใช้พวกเขาที่จะคาดการณ์สภาพหัวใจ
Stefano Borini

@SnOrfus: "เห็นได้ชัดว่าคุณไม่รู้อะไรเกี่ยวกับ Neural Networks หรือสิ่งที่พวกเขาใช้สำหรับ" - ฉันจะดีใจถ้าในที่สุดก็มีคนอธิบายให้ฉันที่ในโลกการค้ามี NNs ถูกใช้จน Academia ไม่นับเพราะมันอนุรักษ์นิยมโดยทั่วไป (ซึ่งควร) และมีเป้าหมายแตกต่างกันเล็กน้อย ในคำตอบที่แยกต่างหากที่นี่ในหัวข้อนี้ก็จะใช้ได้เช่นกัน
mojuba

@Stefano Borini: ดูเหมือนว่าเป็นตัวอย่างที่ดีในตอนแรก แต่ฉันไม่แน่ใจว่าปัญหาเดียวกันสามารถแก้ไขได้ด้วยรหัสที่เรียบง่ายกว่านี้หากไม่มี ANN จริง ๆ แล้วฉันมั่นใจว่าทำได้
mojuba
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.