Tabl Cynnwys[Cuddio][Dangos]
Yn wreiddiol, credwyd bod Deallusrwydd Artiffisial (AI) yn freuddwyd bell, yn dechnoleg ar gyfer y dyfodol, ond nid yw hynny'n wir bellach.
Mae'r hyn a oedd unwaith yn bwnc ymchwil bellach yn ffrwydro yn y byd go iawn. Mae AI bellach i'w gael mewn amrywiaeth o leoedd, gan gynnwys eich gweithle, ysgol, bancio, ysbytai, a hyd yn oed eich ffôn.
Nhw yw llygaid cerbydau hunan-yrru, lleisiau Siri a Alexa, y meddyliau y tu ôl i ragweld y tywydd, y dwylo y tu ôl i lawdriniaeth â chymorth robotig, a mwy.
Cudd-wybodaeth artiffisial (AI) yn dod yn nodwedd gyffredin o fywyd modern. Yn ystod y blynyddoedd diwethaf, mae AI wedi dod i'r amlwg fel chwaraewr mawr mewn ystod eang o dechnolegau TG.
Yn olaf, mae'r rhwydwaith niwral yn cael ei ddefnyddio gan AI i ddysgu pethau newydd.
Felly heddiw byddwn yn dysgu am Rwydweithiau Niwral, sut mae'n gweithio, eu mathau, cymwysiadau, a llawer mwy.
Beth yw Rhwydwaith Niwral?
In dysgu peiriant, rhwydwaith niwral yn rhwydwaith wedi'i raglennu gan feddalwedd o niwronau artiffisial. Mae'n ceisio dynwared yr ymennydd dynol trwy gael haenau niferus o “niwronau,” sy'n debyg i'r niwronau yn ein hymennydd.
Bydd yr haen gyntaf o niwronau yn derbyn lluniau, fideo, sain, testun, a mewnbynnau eraill. Mae'r data hwn yn llifo trwy bob un o'r lefelau, gydag allbwn un haen yn llifo i'r nesaf. Mae hyn yn hanfodol ar gyfer y tasgau anoddaf, megis prosesu iaith naturiol ar gyfer dysgu peiriannau.
Fodd bynnag, mewn achosion eraill, mae'n well anelu at gywasgu system i leihau maint y model tra'n cynnal cywirdeb ac effeithlonrwydd. Mae tocio rhwydwaith niwral yn ddull cywasgu sy'n cynnwys tynnu pwysau o fodel a ddysgwyd. Ystyriwch rwydwaith niwral deallusrwydd artiffisial sydd wedi'i hyfforddi i wahaniaethu rhwng pobl ac anifeiliaid.
Bydd y llun yn cael ei rannu'n rhannau llachar a thywyll gan yr haen gyntaf o niwronau. Bydd y data hwn yn cael ei drosglwyddo i'r haen ganlynol, a fydd yn pennu ble mae'r ymylon.
Bydd yr haen nesaf yn ceisio adnabod y ffurfiau y mae cyfuniad yr ymylon wedi'u cynhyrchu. Yn ôl y data y cafodd ei hyfforddi arno, bydd y data'n mynd trwy nifer o haenau mewn modd tebyg i benderfynu a yw'r ddelwedd a gyflwynwyd gennych yn ddelwedd o ddyn neu anifail.
Pan roddir data i rwydwaith niwral, mae'n dechrau ei brosesu. Ar ôl hynny, caiff y data ei brosesu trwy ei lefelau i gael y canlyniad a ddymunir. Mae rhwydwaith niwral yn beiriant sy'n dysgu o fewnbwn strwythuredig ac yn arddangos y canlyniadau. Mae tri math o ddysgu y gellir eu cynnal mewn rhwydweithiau niwral:
- Dysgu dan Oruchwyliaeth - Rhoddir mewnbynnau ac allbynnau i'r algorithmau gan ddefnyddio data wedi'i labelu. Ar ôl cael eu haddysgu sut i ddadansoddi data, maent yn rhagweld y canlyniad arfaethedig.
- Dysgu Heb Oruchwyliaeth – Mae ANN yn dysgu heb gymorth dyn. Nid oes data wedi'i labelu, a chaiff yr allbwn ei benderfynu gan batrymau a geir yn y data allbwn.
- Dysgu Atgyfnerthu yw pan fydd rhwydwaith yn dysgu o'r adborth y mae'n ei dderbyn.
Sut mae rhwydweithiau niwral yn gweithio?
Defnyddir niwronau artiffisial mewn rhwydweithiau niwral, sy'n systemau soffistigedig. Mae'r niwronau artiffisial, a elwir hefyd yn perceptrons, yn cynnwys y cydrannau canlynol:
- mewnbwn
- pwysau
- Bias
- Swyddogaeth Actifadu
- Allbwn
Yr haenau o niwronau sy'n ffurfio rhwydweithiau niwral. Mae rhwydwaith niwral yn cynnwys tair haen:
- Haen mewnbwn
- Haen gudd
- Haen allbwn
Anfonir data ar ffurf gwerth rhifol i'r haen mewnbwn. Haenau cudd y rhwydwaith yw'r rhai sy'n gwneud y cyfrifiadau mwyaf. Mae'r haen allbwn, yn olaf ond nid lleiaf, yn rhagweld y canlyniad. Mae niwronau'n dominyddu ei gilydd mewn rhwydwaith niwral. Defnyddir niwronau i adeiladu pob haen. Mae data'n cael ei gyfeirio i'r haen gudd ar ôl i'r haen fewnbwn ei gael.
Rhoddir pwysau ar bob mewnbwn. O fewn haenau cudd rhwydwaith niwral, mae'r pwysau yn werth sy'n trosi data sy'n dod i mewn. Mae pwysau'n gweithredu trwy luosi data mewnbwn â'r gwerth pwysau yn yr haen fewnbwn.
Yna mae'n dechrau gwerth yr haen gudd gyntaf. Mae'r data mewnbwn yn cael ei drawsnewid a'i drosglwyddo i'r haen arall trwy'r haenau cudd. Yr haen allbwn sy'n gyfrifol am gynhyrchu'r canlyniad terfynol. Mae'r mewnbynnau a'r pwysau yn cael eu lluosi, ac mae'r canlyniad yn cael ei ddosbarthu i'r niwronau haen cudd fel swm. Rhoddir gogwydd i bob niwron. I gyfrifo'r cyfanswm, mae pob niwron yn adio'r mewnbynnau mae'n eu derbyn.
Ar ôl hynny, mae'r gwerth yn mynd trwy'r swyddogaeth actifadu. Mae canlyniad y swyddogaeth actifadu yn pennu a yw niwron yn cael ei actifadu ai peidio. Pan fydd niwron yn actif, mae'n anfon gwybodaeth i'r haenau eraill. Mae'r data'n cael ei greu yn y rhwydwaith nes bod y niwron yn cyrraedd yr haen allbwn gan ddefnyddio'r dull hwn. Mae lluosogi ymlaen yn derm arall am hyn.
Gelwir y dechneg o fwydo data i mewn i nod mewnbwn a chael yr allbwn trwy nod allbwn yn lluosogi porthiant ymlaen. Pan dderbynnir y data mewnbwn gan yr haen gudd, mae lluosogi porthiant ymlaen yn digwydd. Mae'n cael ei brosesu yn ôl y swyddogaeth actifadu ac yna'n cael ei drosglwyddo i'r allbwn.
Rhagamcanir y canlyniad gan y niwron yn yr haen allbwn sydd â'r tebygolrwydd uchaf. Mae backpropagation yn digwydd pan fo'r allbwn yn anghywir. Cychwynnir pwysau i bob mewnbwn wrth greu rhwydwaith niwral. Backpropagation yw'r broses o ailaddasu pwysau pob mewnbwn i leihau camgymeriadau a darparu allbwn mwy cywir.
Mathau o Rwydwaith Niwral
1. Perceptron
Mae model perceptron Minsky-Papert yn un o'r modelau niwron symlaf a hynaf. Dyma'r uned leiaf o rwydwaith niwral sy'n gwneud cyfrifiadau penodol er mwyn darganfod nodweddion neu ddeallusrwydd busnes mewn data sy'n dod i mewn. Mae'n cymryd mewnbynnau pwysol ac yn cymhwyso'r swyddogaeth actifadu i gael y canlyniad terfynol. Mae TLU (uned rhesymeg trothwy) yn enw arall ar y perceptron.
Dosbarthwr deuaidd yw Perceptron sy'n system ddysgu dan oruchwyliaeth sy'n rhannu data yn ddau grŵp. Gatiau Rhesymeg megis AND, OR, a NAND gellir eu gweithredu gyda pherceptrons.
2. Rhwydwaith Niwral Feed-Forward
Mae'r fersiwn fwyaf sylfaenol o rwydweithiau niwral, lle mae data mewnbwn yn llifo i un cyfeiriad yn unig, yn mynd trwy nodau niwral artiffisial ac yn gadael trwy nodau allbwn. Mae haenau mewnbwn ac allbwn yn bresennol mewn mannau lle gall haenau cudd fod yn bresennol neu beidio. Gellir eu nodweddu naill ai fel rhwydwaith niwral bwydo ymlaen un haen neu aml-haenog yn seiliedig ar hyn.
Mae nifer yr haenau a ddefnyddir yn cael ei bennu gan gymhlethdod y swyddogaeth. Dim ond i un cyfeiriad y mae'n ymledu ymlaen ac nid yw'n ymledu yn ôl. Yma, mae'r pwysau'n aros yn gyson. Lluosir mewnbynnau â phwysau i fwydo swyddogaeth actifadu. Defnyddir swyddogaeth actifadu dosbarthiad neu swyddogaeth actifadu cam i wneud hyn.
3. Perceptron aml-haen
Cyflwyniad i soffistigedig rhwydi niwral, lle mae data mewnbwn yn cael ei gyfeirio trwy lawer o haenau o niwronau artiffisial. Mae'n rhwydwaith niwral gwbl gysylltiedig, gan fod pob nod wedi'i gysylltu â phob niwron yn yr haen ganlynol. Mae haenau cudd lluosog, hy, o leiaf tair haen neu fwy, yn bresennol yn yr haenau mewnbwn ac allbwn.
Mae'n meddu ar ymlediad deugyfeiriadol, sy'n golygu y gall ymledu ymlaen ac yn ôl. Mae mewnbynnau'n cael eu lluosi â phwysau a'u hanfon i'r swyddogaeth actifadu, lle cânt eu newid trwy ôl-gronni i leihau'r golled.
Mae pwysau yn werthoedd a ddysgwyd gan beiriant gan Neural Networks, i'w roi yn syml. Yn dibynnu ar y gwahaniaeth rhwng allbynnau disgwyliedig a mewnbynnau hyfforddi, maent yn hunan-addasu. Defnyddir Softmax fel swyddogaeth actifadu haen allbwn ar ôl swyddogaethau actifadu aflinol.
4. Rhwydwaith Niwral Convolutional
Yn wahanol i'r arae dau ddimensiwn traddodiadol, mae gan rwydwaith niwral convolution gyfluniad tri dimensiwn o niwronau. Gelwir yr haen gyntaf yn haen convolutional. Mae pob niwron yn yr haen droellog yn prosesu gwybodaeth o gyfran gyfyngedig o'r maes gweledol yn unig. Fel hidlydd, cymerir nodweddion mewnbwn yn y modd swp.
Mae'r rhwydwaith yn deall lluniau mewn adrannau a gall gyflawni'r gweithredoedd hyn sawl gwaith i orffen prosesu'r ddelwedd gyfan.
Mae'r llun yn cael ei drawsnewid o RGB neu HSI i raddfa lwyd yn ystod prosesu. Bydd amrywiadau pellach mewn gwerth picsel yn helpu i ganfod ymylon, a gellir didoli lluniau i sawl grŵp. Mae lluosogi uncyfeiriad yn digwydd pan fydd CNN yn cynnwys un neu fwy o haenau troellog ac yna cronni, a lluosogiad deugyfeiriadol yn digwydd pan anfonir allbwn yr haen convolution i rwydwaith niwral wedi'i gysylltu'n llawn ar gyfer dosbarthu delweddau.
I dynnu rhai elfennau o ddelwedd, defnyddir hidlwyr. Mewn MLP, mae'r mewnbynnau'n cael eu pwysoli a'u cyflenwi i'r swyddogaeth actifadu. Defnyddir RELU mewn convolution, tra bod MLP yn defnyddio swyddogaeth actifadu aflinol ac yna softmax. Mewn adnabod lluniau a fideo, dosrannu semantig, a chanfod aralleiriad, mae rhwydweithiau niwral convolutional yn cynhyrchu canlyniadau rhagorol.
5. Rhwydwaith Tuedd Radial
Dilynir fector mewnbwn gan haen o niwronau RBF a haen allbwn gydag un nod ar gyfer pob categori mewn Rhwydwaith Swyddogaeth Sail Radial. Mae'r mewnbwn yn cael ei ddosbarthu trwy ei gymharu â phwyntiau data o'r set hyfforddi, lle mae pob niwron yn cynnal prototeip. Dyma un o enghreifftiau'r set hyfforddi.
Mae pob niwron yn cyfrifo'r pellter Ewclidaidd rhwng y mewnbwn a'i brototeip pan fydd yn rhaid dosbarthu fector mewnbwn ffres [y fector n-dimensiwn rydych chi'n ceisio ei gategoreiddio]. Os oes gennym ddau ddosbarth, Dosbarth A a Dosbarth B, mae'r mewnbwn newydd i'w gategoreiddio yn debycach i brototeipiau dosbarth A na phrototeipiau dosbarth B.
O ganlyniad, gellir ei labelu neu ei gategoreiddio fel dosbarth A.
6. Rhwydwaith Niwral Rheolaidd
Mae Rhwydweithiau Niwral Cylchol wedi'u cynllunio i arbed allbwn haen ac yna ei fwydo'n ôl i'r mewnbwn i gynorthwyo i ragweld canlyniad yr haen. Ymborth rhwydwaith nefol yw'r haen gychwynnol fel arfer, ac yna haen rhwydwaith niwral cylchol, lle mae swyddogaeth cof yn cofio rhan o'r wybodaeth a oedd ganddo yn y cam amser blaenorol.
Mae'r senario hwn yn defnyddio lluosogi ymlaen. Mae'n arbed data y bydd eu hangen yn y dyfodol. Os bydd y rhagfynegiad yn anghywir, defnyddir y gyfradd ddysgu i wneud mân addasiadau. O ganlyniad, wrth i'r backpropagation fynd rhagddo, bydd yn dod yn fwyfwy cywir.
ceisiadau
Defnyddir rhwydweithiau niwral i drin problemau data mewn amrywiaeth o ddisgyblaethau; dangosir rhai enghreifftiau isod.
- Cydnabod Wyneb - Mae Datrysiadau Adnabod Wyneb yn systemau gwyliadwriaeth effeithiol. Mae systemau adnabod yn cysylltu lluniau digidol ag wynebau dynol. Fe'u defnyddir mewn swyddfeydd ar gyfer mynediad detholus. Felly, mae'r systemau'n gwirio wyneb dynol ac yn ei gymharu â rhestr o IDau sydd wedi'u storio yn ei gronfa ddata.
- Rhagfynegiad Stoc – Mae buddsoddiadau yn agored i risgiau marchnad. Mae bron yn anodd rhagweld datblygiadau yn y dyfodol yn y farchnad stoc hynod gyfnewidiol. Cyn rhwydweithiau niwral, roedd y cyfnodau bullish a bearish yn newid yn gyson yn anrhagweladwy. Ond, beth sydd wedi newid popeth? Wrth gwrs, rydyn ni'n sôn am rwydweithiau niwral… Defnyddir MLP Multilayer Perceptron (math o system deallusrwydd artiffisial bwydo ymlaen) i greu rhagolwg stoc llwyddiannus mewn amser real.
- Cyfryngau Cymdeithasol - Waeth pa mor corny y gall swnio, mae cyfryngau cymdeithasol wedi newid llwybr cyffredin bodolaeth. Mae ymddygiad defnyddwyr cyfryngau cymdeithasol yn cael ei astudio gan ddefnyddio Artiffisial Neural Networks. Ar gyfer dadansoddiad cystadleuol, mae data a gyflenwir yn ddyddiol trwy ryngweithiadau rhithwir yn cael eu pentyrru a'u harchwilio. Mae gweithredoedd defnyddwyr cyfryngau cymdeithasol yn cael eu hailadrodd gan rwydweithiau niwral. Gellir cysylltu ymddygiad unigolion â phatrymau gwariant pobl unwaith y caiff data ei ddadansoddi trwy rwydweithiau cyfryngau cymdeithasol. Mae data o gymwysiadau cyfryngau cymdeithasol yn cael ei gloddio gan ddefnyddio Multilayer Perceptron ANN.
- Gofal Iechyd - Mae unigolion yn y byd sydd ohoni yn gwneud defnydd o fanteision technoleg yn y diwydiant gofal iechyd. Yn y busnes gofal iechyd, defnyddir Rhwydweithiau Niwral Convolutional ar gyfer canfod pelydr-X, sganiau CT, ac uwchsain. Mae'r data delweddu meddygol a dderbynnir o'r profion uchod yn cael eu gwerthuso a'u harfarnu gan ddefnyddio modelau rhwydwaith niwral, gan fod CNN yn cael ei ddefnyddio wrth brosesu delweddau. Wrth ddatblygu systemau adnabod llais, defnyddir y rhwydwaith niwral cylchol (RNN) hefyd.
- Adroddiad Tywydd – Cyn gweithredu deallusrwydd artiffisial, nid oedd rhagamcanion yr adran feteorolegol erioed yn fanwl gywir. Gwneir rhagolygon tywydd yn bennaf i ragweld y tywydd a fydd yn digwydd yn y dyfodol. Mae rhagfynegiadau tywydd yn cael eu defnyddio i ragweld y tebygolrwydd o drychinebau naturiol yn y cyfnod modern. Mae rhagolygon y tywydd yn cael eu gwneud gan ddefnyddio perceptron amlhaenog (MLP), rhwydweithiau niwral convolutional (CNN), a rhwydweithiau niwral cylchol (RNN).
- Amddiffyn - Mae logisteg, dadansoddi ymosodiadau arfog, a lleoliad eitemau i gyd yn defnyddio rhwydweithiau niwral. Maent hefyd yn cael eu cyflogi mewn patrolau awyr a môr, yn ogystal â rheoli dronau ymreolaethol. Mae deallusrwydd artiffisial yn rhoi'r hwb mawr ei angen i'r diwydiant amddiffyn er mwyn cynyddu ei dechnoleg. Ar gyfer canfod bodolaeth mwyngloddiau tanddwr, defnyddir Rhwydweithiau Niwral Convolutional (CNN).
manteision
- Hyd yn oed os nad yw ychydig o niwronau mewn rhwydwaith niwral yn gweithredu'n iawn, bydd y rhwydweithiau niwral yn dal i gynhyrchu allbynnau.
- Mae gan rwydweithiau niwral y gallu i ddysgu mewn amser real ac addasu i'w gosodiadau newidiol.
- Gall rhwydweithiau niwral ddysgu gwneud amrywiaeth o dasgau. I ddarparu'r canlyniad cywir yn seiliedig ar y data a ddarparwyd.
- Mae gan rwydweithiau niwral y cryfder a'r gallu i drin sawl tasg ar yr un pryd.
Anfanteision
- Defnyddir rhwydweithiau niwral i ddatrys problemau. Nid yw’n datgelu’r esboniad y tu ôl i “pam a sut” y gwnaeth y dyfarniadau a wnaeth oherwydd cymhlethdod y rhwydweithiau. O ganlyniad, efallai y bydd ymddiriedaeth rhwydwaith yn cael ei herydu.
- Mae cydrannau rhwydwaith niwral yn rhyngddibynnol ar ei gilydd. Hynny yw, mae rhwydweithiau niwral yn mynnu (neu'n hynod ddibynnol ar) gyfrifiaduron â phŵer cyfrifiadurol digonol.
- Nid oes gan broses rhwydwaith niwral unrhyw reol benodol (na rheol gyffredinol). Mewn techneg prawf-a-gwall, sefydlir strwythur rhwydwaith cywir trwy roi cynnig ar y rhwydwaith gorau posibl. Mae'n weithdrefn sy'n gofyn am lawer o fireinio.
Casgliad
Maes rhwydweithiau nefol yn ehangu'n gyflym. Mae'n hollbwysig dysgu a deall y cysyniadau yn y sector hwn er mwyn gallu ymdrin â nhw.
Mae'r sawl math o rwydweithiau niwral wedi'u cynnwys yn yr erthygl hon. Gallwch ddefnyddio rhwydweithiau niwral i fynd i'r afael â phroblemau data mewn meysydd eraill os byddwch chi'n dysgu mwy am y ddisgyblaeth hon.
Gadael ymateb