Vitajte na [www.pocitac.win] Pripojiť k domovskej stránke Obľúbené stránky
Umelé neurónové siete majú schopnosť zovšeobecňovať a učiť sa . Získajú vedomosti z ich okolia prispôsobením vnútorných a vonkajších parametrov . Sieť sa učí z príkladov a prispôsobuje sa situáciou na základe svojich zistení . Je to zovšeobecňuje poznatky k produkcii adekvátnej reakcie na neznáme situácie . Umelé neurónové siete riešiť zložité problémy , ktoré sú ťažko zvládnuteľné aproximácii .
Nelinearita
výpočtovej neurón môže vytvoriť lineárne alebo nelineárne odpoveď . Nelineárne umelé siete sa vykonáva pomocou prepojenia nelineárnych neurónov . Nelineárne systémy majú vstupy , ktoré nie sú úmerné výstupom . Táto funkcia umožňuje sieť efektívne získavať vedomosti prostredníctvom učenia . To je výrazná výhoda cez tradične lineárne siete , ktorá je nedostatočné , pokiaľ ide o modelovanie nelineárnych dát .
Väčšia Fault Tolerance
umelý neurón sieť je schopná väčšiu odolnosť voči chybám , než tradičné siete . Sieť je schopný regenerovať poruchu v niektorom z jej zložiek bez straty uložených dát . Používa inštancie a príklady z minulosti , aby opätovne zložiť fungovanie poškodeného uzla alebo iné sieťové zložky .
Adaptive Learning
umelý neurón sieť je založená na koncepte abstraktné učenie . Tri vzdelávacie paradigmy funkciu vybaviť sieť pre adaptívne učenie . Jedná sa o posilnenie učenia , učenie bez učiteľa a učenie s učiteľom . Neurónových sietí môžu byť vyškolení prostredníctvom špecializovaných algoritmov , vrátane non - parametrické metódy , očakávania , maximalizácia , simulované žíhanie a evolučných metód . Neuróny umelé neurónové siete sú dostatočne flexibilné , aby sa naladil na rôznych vstupných signálov patters a aklimatizovať sa na rozmanité spektrum neznámych situáciách . Sú neustále prijíma a nahradia skôr naučené informácie , udržať ich úložisko riešenie problémov techniky aktualizované .
Copyright © počítačové znalosti Všetky práva vyhradené