Werrej[Aħbi][Uri]
L-Intelliġenza Artifiċjali (AI) kienet oriġinarjament maħsuba li kienet ħolma mbiegħda, teknoloġija għall-futur, iżda dan m'għadux il-każ.
Dak li darba kien suġġett ta’ riċerka issa qed jisplodi fid-dinja reali. L-AI issa tinsab f'varjetà ta' postijiet, inkluż il-post tax-xogħol, l-iskola, il-banek, l-isptarijiet, u anke t-telefon tiegħek.
Huma l-għajnejn ta 'vetturi li jsuqu waħedhom, il-vuċijiet ta' Siri u Alexa, l-imħuħ wara t-tbassir tat-temp, l-idejn wara kirurġija assistita bir-robotika, u aktar.
Intelliġenza artifiċjali (AI) qed issir karatteristika komuni tal-ħajja moderna. F'dawn l-aħħar snin, l-AI ħarġet bħala attur ewlieni f'firxa wiesgħa ta' teknoloġiji tal-IT.
Fl-aħħarnett, in-netwerk newrali jintuża mill-AI biex titgħallem affarijiet ġodda.
Allura llum se nitgħallmu dwar in-Netwerks Newrali, kif taħdem, it-tipi tagħhom, l-applikazzjonijiet, u ħafna aktar.
X'inhu Netwerk newrali?
In tagħlim magna, netwerk newrali huwa netwerk ipprogrammat b'softwer ta 'newroni artifiċjali. Jipprova jimita l-moħħ tal-bniedem billi jkollu bosta saffi ta '"newroni," li huma simili għan-newroni fil-moħħ tagħna.
L-ewwel saff ta 'newroni se jaċċetta ritratti, vidjo, ħoss, test, u inputs oħra. Din id-dejta tgħaddi mill-livelli kollha, bl-output ta 'saff wieħed jgħaddi għal ieħor. Dan huwa kritiku għall-kompiti l-aktar diffiċli, bħall-ipproċessar tal-lingwa naturali għat-tagħlim bil-magni.
Madankollu, f'każijiet oħra, li jimmiraw għall-kompressjoni tas-sistema biex jitnaqqas id-daqs tal-mudell filwaqt li jinżammu l-eżattezza u l-effiċjenza huwa preferibbli. Iż-żbir ta' netwerk newrali huwa metodu ta' kompressjoni li jinkludi t-tneħħija ta' piżijiet minn mudell imgħallem. Ikkunsidra netwerk newrali ta 'intelliġenza artifiċjali li ġie mħarreġ biex jiddistingwi n-nies mill-annimali.
L-istampa se tkun maqsuma f'partijiet qawwijin u skuri mill-ewwel saff ta 'newroni. Din id-dejta se tgħaddi fis-saff li ġej, li jiddetermina fejn huma t-truf.
Is-saff li jmiss se jipprova jagħraf il-forom li l-kombinazzjoni tat-truf tkun ġġenerat. Skont id-dejta li ġiet imħarrġa fuqha, id-dejta se tgħaddi minn bosta saffi b'mod simili biex tiddetermina jekk l-immaġni li ppreżentajt hijiex ta' bniedem jew annimal.
Meta d-dejta tingħata f'netwerk newrali, din tibda tipproċessaha. Wara dakinhar, id-dejta tiġi pproċessata permezz tal-livelli tagħha biex tikseb ir-riżultat mixtieq. Netwerk newrali huwa magna li titgħallem minn input strutturat u turi r-riżultati. Hemm tliet tipi ta’ tagħlim li jista’ jseħħ f’netwerks newrali:
- Tagħlim Superviż – L-inputs u l-outputs jingħataw lill-algoritmi bl-użu ta’ data ttikkettjata. Wara li jiġu mgħallma kif janalizzaw id-dejta, huma jbassru r-riżultat maħsub.
- Tagħlim mingħajr sorveljanza - ANN titgħallem mingħajr l-assistenza ta' bniedem. M'hemm l-ebda dejta ttikkettjata, u l-output huwa deċiż minn mudelli misjuba fid-dejta tal-output.
- Tisħiħ tat-Tagħlim huwa meta netwerk jitgħallem mir-rispons li jirċievi.
Kif jaħdmu n-netwerks newrali?
In-newroni artifiċjali jintużaw f'netwerks newrali, li huma sistemi sofistikati. In-newroni artifiċjali, magħrufa wkoll bħala perceptrons, huma magħmula mill-komponenti li ġejjin:
- input
- piż
- Bias
- Funzjoni ta' Attivazzjoni
- output
Is-saffi tan-newroni li jiffurmaw in-netwerks newrali. Netwerk newrali jikkonsisti fi tliet saffi:
- Saff tad-dħul
- Saff moħbi
- Saff tal-ħruġ
Data fil-forma ta 'valur numeriku tintbagħat lis-saff ta' input. Is-saffi moħbija tan-netwerk huma dawk li jagħmlu l-aktar kalkoli. Is-saff tal-output, l-aħħar iżda mhux l-inqas, ibassar ir-riżultat. In-newroni jiddominaw lil xulxin f'netwerk newrali. In-newroni jintużaw biex jinbena kull saff. Id-dejta tiġi mgħoddija lejn is-saff moħbi wara li s-saff tad-dħul iġibha.
Il-piżijiet huma applikati għal kull input. Fi ħdan is-saffi moħbija ta 'netwerk newrali, il-piż huwa valur li jittraduċi d-dejta li tidħol. Il-piżijiet jiffunzjonaw billi jimmultiplikaw id-dejta tal-input bil-valur tal-piż fis-saff tal-input.
Imbagħad jibda l-valur tal-ewwel saff moħbi. Id-dejta tal-input hija trasformata u mgħoddija lis-saff l-ieħor permezz tas-saffi moħbija. Is-saff tal-output huwa responsabbli biex jiġġenera r-riżultat finali. L-inputs u l-piżijiet huma mmultiplikati, u r-riżultat jitwassal lin-newroni tas-saff moħbi bħala somma. Kull newron jingħata bias. Biex tikkalkula t-total, kull newron iżid l-inputs li jirċievi.
Wara dan, il-valur jgħaddi mill-funzjoni ta 'attivazzjoni. Ir-riżultat tal-funzjoni ta 'attivazzjoni jiddetermina jekk newron huwiex attivat jew le. Meta newron ikun attiv, jibgħat informazzjoni lis-saffi l-oħra. Id-dejta tinħoloq fin-netwerk sakemm in-newron jilħaq is-saff tal-ħruġ billi juża dan il-metodu. Il-propagazzjoni 'l quddiem hija terminu ieħor għal dan.
It-teknika ta 'għalf tad-dejta f'node ta' input u l-kisba tal-output permezz ta 'node ta' output hija magħrufa bħala propagazzjoni feed-forward. Meta d-dejta tal-input tiġi aċċettata mis-saff moħbi, isseħħ propagazzjoni feed-forward. Huwa pproċessat skond il-funzjoni ta 'attivazzjoni u mbagħad mgħoddi lill-output.
Ir-riżultat huwa pproġettat min-newron fis-saff tal-output bl-ogħla probabbiltà. Backpropagation isseħħ meta l-output ma jkunx korrett. Il-piżijiet huma inizjalizzati għal kull input filwaqt li jinħoloq netwerk newrali. Backpropagation huwa l-proċess ta 'aġġustament mill-ġdid tal-piżijiet ta' kull input biex jitnaqqsu l-iżbalji u jipprovdu output aktar preċiż.
Tipi ta' Netwerk newrali
1. Perceptron
Il-mudell Minsky-Papert perceptron huwa wieħed mill-mudelli newron eqdem u sempliċi. Hija l-iżgħar unità ta 'netwerk newrali li twettaq ċerti kalkoli sabiex jiskopru karatteristiċi jew intelliġenza tan-negozju fid-dejta li tidħol. Huwa jieħu inputs peżati u japplika l-funzjoni ta 'attivazzjoni biex tikseb ir-riżultat finali. TLU (unità loġika tal-limitu) huwa isem ieħor għal perceptron.
Perceptron huwa klassifikatur binarju li huwa sistema ta 'tagħlim sorveljat li taqsam id-data f'żewġ gruppi. Bibien Loġiċi bħal AND, OR, u NAND jistgħu jiġu implimentati ma perceptrons.
2. Netwerk newrali Feed-Forward
L-aktar verżjoni bażika tan-netwerks newrali, li fiha d-dejta tal-input tgħaddi esklussivament f'direzzjoni waħda, tgħaddi minn nodi newrali artifiċjali u toħroġ minn nodi tal-ħruġ. Is-saffi tad-dħul u tal-ħruġ huma preżenti f'postijiet fejn saffi moħbija jistgħu jew ma jistgħux ikunu preżenti. Jistgħu jiġu kkaratterizzati jew bħala netwerk newrali feed-forward b'saffi wieħed jew b'ħafna saffi bbażati fuq dan.
In-numru ta' saffi użati huwa determinat mill-kumplessità tal-funzjoni. Jippropaga biss 'il quddiem f'direzzjoni waħda u ma jinfirex lura. Hawnhekk, il-piżijiet jibqgħu kostanti. L-inputs huma mmultiplikati b'piżijiet biex jitimgħu funzjoni ta 'attivazzjoni. Funzjoni ta 'attivazzjoni ta' klassifikazzjoni jew funzjoni ta 'attivazzjoni ta' pass hija utilizzata biex tagħmel dan.
3. Perceptron b'ħafna saffi
Introduzzjoni għal sofistikati xbieki newrali, li fiha d-dejta tal-input hija mgħoddija permezz ta 'ħafna saffi ta' newroni artifiċjali. Huwa netwerk newrali kompletament marbut, peress li kull nodu huwa konness man-newroni kollha fis-saff li ġej. Saffi moħbija multipli, jiġifieri, mill-inqas tliet saffi jew aktar, huma preżenti fis-saffi tad-dħul u tal-ħruġ.
Tippossjedi propagazzjoni bidirezzjonali, li jfisser li tista 'tippropaga kemm 'il quddiem kif ukoll lura. L-inputs huma mmultiplikati bil-piżijiet u mibgħuta lill-funzjoni ta 'attivazzjoni, fejn huma mibdula permezz ta' backpropagation biex jimminimizzaw it-telf.
Il-piżijiet huma valuri mgħallma mill-magni minn Netwerks Newrali, biex ngħiduha sempliċiment. Skont id-disparità bejn l-outputs mistennija u l-inputs tat-taħriġ, huma jaġġustaw lilhom infushom. Softmax jintuża bħala funzjoni ta 'attivazzjoni ta' saff ta 'output wara funzjonijiet ta' attivazzjoni mhux lineari.
4. Netwerk Newrali Konvoluzzjonali
B'kuntrast mal-firxa tradizzjonali bidimensjonali, netwerk newrali ta 'konvoluzzjoni għandu konfigurazzjoni tridimensjonali ta' newroni. L-ewwel saff huwa magħruf bħala saff konvoluzzjonali. Kull newron fis-saff konvoluzzjonali jipproċessa biss informazzjoni minn porzjon limitat tal-kamp viżiv. Bħal filtru, il-karatteristiċi tal-input jittieħdu fil-modalità tal-lott.
In-netwerk jifhem stampi f'taqsimiet u jista 'jwettaq dawn l-azzjonijiet bosta drabi biex itemm l-ipproċessar kollu tal-immaġni.
L-istampa hija kkonvertita minn RGB jew HSI għal skala griża waqt l-ipproċessar. Varjazzjonijiet ulterjuri fil-valur tal-pixel se jgħinu fl-iskoperta tat-truf, u l-istampi jistgħu jiġu magħżula f'diversi gruppi. Propagazzjoni unidirezzjonali sseħħ meta CNN ikun fih saff konvoluzzjonali wieħed jew aktar segwiti minn ġbir flimkien, u l-propagazzjoni bidirezzjonali sseħħ meta l-output tas-saff ta 'konvoluzzjoni jintbagħat lil netwerk newrali kompletament konness għall-klassifikazzjoni tal-immaġni.
Biex jiġu estratti ċerti elementi ta 'immaġni, filtri huma utilizzati. Fl-MLP, l-inputs huma peżati u fornuti fil-funzjoni ta 'attivazzjoni. RELU jintuża f'konvoluzzjoni, filwaqt li MLP juża funzjoni ta' attivazzjoni mhux lineari segwita minn softmax. Fir-rikonoxximent tal-istampa u tal-vidjo, parsing semantiku, u skoperta tal-parafrażi, netwerks newrali konvoluzzjonali jipproduċu riżultati eċċellenti.
5. Netwerk Radjali Bias
Vettur ta 'input huwa segwit minn saff ta' newroni RBF u saff ta 'output b'nodu wieħed għal kull kategorija f'Netwerk ta' Funzjoni ta 'Bażi Radjali. L-input huwa kklassifikat billi jitqabbel ma 'punti tad-dejta mis-sett ta' taħriġ, fejn kull newron iżomm prototip. Dan huwa wieħed mill-eżempji tas-sett tat-taħriġ.
Kull newron jikkalkula d-distanza Ewklidjana bejn l-input u l-prototip tiegħu meta vettur ta’ input ġdid [il-vettur n-dimensjonali li qed tipprova tikkategorizza] irid jiġi kklassifikat. Jekk ikollna żewġ klassijiet, Klassi A u Klassi B, l-input il-ġdid li għandu jiġi kategorizzat huwa aktar simili għal prototipi tal-klassi A milli prototipi tal-klassi B.
Bħala riżultat, jista 'jkun ittikkettat jew kategorizzat bħala klassi A.
6. Netwerk Newrali Rikorrenti
Netwerks Neurali Rikorrenti huma ddisinjati biex jiffrankaw l-output ta 'saff u mbagħad idaħħluh lura fl-input biex jassistu t-tbassir tar-riżultat tas-saff. A feed-forward newrali netwerk normalment huwa s-saff inizjali, segwit minn saff tan-netwerk newrali rikorrenti, fejn funzjoni tal-memorja tiftakar parti mill-informazzjoni li kellha fil-pass tal-ħin preċedenti.
Dan ix-xenarju juża propagazzjoni 'l quddiem. Tissejvja data li se tkun meħtieġa fil-futur. Fil-każ li t-tbassir ma jkunx korrett, ir-rata tat-tagħlim tintuża biex isiru aġġustamenti minuri. Bħala riżultat, hekk kif il-backpropagation timxi 'l quddiem, se ssir dejjem aktar preċiża.
applikazzjonijiet
Netwerks newrali huma wżati biex jimmaniġġaw problemi ta 'dejta f'varjetà ta' dixxiplini; xi eżempji huma murija hawn taħt.
- Rikonoxximent tal-wiċċ - Soluzzjonijiet ta 'Rikonoxximent tal-wiċċ iservu bħala sistemi ta' sorveljanza effettivi. Is-sistemi ta' rikonoxximent jirrelataw ritratti diġitali ma' uċuħ umani. Jintużaw fl-uffiċċji għal dħul selettiv. Għalhekk, is-sistemi jivverifikaw wiċċ uman u jqabbluh ma 'lista ta' IDs maħżuna fid-database tagħha.
- Tbassir tal-istokk - L-investimenti huma esposti għal riskji tas-suq. Huwa prattikament diffiċli li wieħed jipprevedi żviluppi futuri fis-suq tal-ishma estremament volatili. Qabel in-netwerks newrali, il-fażijiet bullish u bearish li qed jinbidlu kontinwament kienu imprevedibbli. Imma, x’bidel kollox? Naturalment, qed nitkellmu dwar netwerks newrali... Multilayer Perceptron MLP (tip ta' sistema ta' intelliġenza artifiċjali feedforward) jintuża biex jinħoloq tbassir ta' stokk ta' suċċess f'ħin reali.
- Social Media – Irrispettivament minn kemm jista 'ħoss corny, il-midja soċjali bidlet il-mogħdija mundane tal-eżistenza. L-imġieba tal-utenti tal-midja soċjali hija studjata bl-użu ta 'Netwerks Neurali Artifiċjali. Għal analiżi kompetittiva, id-dejta fornuta kuljum permezz ta' interazzjonijiet virtwali tinġabar u tiġi eżaminata. L-azzjonijiet tal-utenti tal-midja soċjali huma replikati minn netwerks newrali. L-imġieba tal-individwi jistgħu jiġu konnessi mal-mudelli tal-infiq tan-nies ladarba d-dejta tiġi analizzata permezz tan-netwerks tal-midja soċjali. Id-dejta mill-applikazzjonijiet tal-midja soċjali hija estratta bl-użu ta' Multilayer Perceptron ANN.
- Kura tas-saħħa – Individwi fid-dinja tal-lum qed jagħmlu użu mill-benefiċċji tat-teknoloġija fl-industrija tal-kura tas-saħħa. Fin-negozju tal-kura tas-saħħa, Netwerks Neurali Konvoluzzjonali jintużaw għall-iskoperta tar-raġġi X, skans CT, u ultrasound. Id-dejta tal-immaġini medika riċevuta mit-testijiet imsemmija hawn fuq hija evalwata u vvalutata bl-użu ta 'mudelli ta' netwerk newrali, peress li CNN jintuża fl-ipproċessar tal-immaġni. Fl-iżvilupp ta 'sistemi ta' rikonoxximent tal-vuċi, jintuża wkoll in-netwerk newrali rikorrenti (RNN).
- Rapport tat-Temp - Qabel l-implimentazzjoni tal-intelliġenza artifiċjali, il-projezzjonijiet tad-dipartiment meteoroloġiku qatt ma kienu preċiżi. It-tbassir tat-temp isir fil-biċċa l-kbira biex ibassar il-kundizzjonijiet tat-temp li se jseħħu fil-futur. It-tbassir tat-temp qed jiġi utilizzat biex jantiċipaw il-probabbiltà ta’ diżastri naturali fil-perjodu modern. It-tbassir tat-temp isir bl-użu ta' multilayer perceptron (MLP), netwerks newrali konvoluzzjonali (CNN), u netwerks newrali rikorrenti (RNN).
- Difiża - Il-loġistika, l-analiżi tal-attakki armati, u l-lokazzjoni tal-oġġett kollha jimpjegaw netwerks newrali. Huma wkoll impjegati fl-għassa tal-ajru u tal-baħar, kif ukoll biex jimmaniġġjaw drones awtonomi. L-intelliġenza artifiċjali qed tagħti lill-industrija tad-difiża l-ispinta tant meħtieġa li għandha bżonn biex iżżid it-teknoloġija tagħha. Għall-iskoperta tal-eżistenza ta 'minjieri taħt l-ilma, jintużaw Netwerks Neurali Konvoluzzjonali (CNN).
vantaġġi
- Anke jekk ftit newroni f'netwerk newrali ma jkunux qed jaħdmu sew, in-netwerks newrali xorta se jiġġeneraw outputs.
- In-netwerks newrali għandhom il-kapaċità li jitgħallmu f'ħin reali u jadattaw għas-settings tagħhom li qed jinbidlu.
- Netwerks newrali jistgħu jitgħallmu jagħmlu varjetà ta 'kompiti. Biex tipprovdi r-riżultat korrett ibbażat fuq id-dejta pprovduta.
- In-netwerks newrali għandhom is-saħħa u l-kapaċità li jimmaniġġjaw diversi kompiti fl-istess ħin.
Żvantaġġi
- Netwerks newrali huma użati biex isolvu problemi. Ma tiżvelax l-ispjegazzjoni wara "għaliex u kif" għamlet is-sentenzi li għamlet minħabba l-kumplessità tan-netwerks. Bħala riżultat, il-fiduċja fin-netwerk tista' titnaqqar.
- Il-komponenti ta' netwerk newrali huma interdipendenti fuq xulxin. Jiġifieri, in-netwerks newrali jitolbu (jew jiddependu ħafna fuq) kompjuters b'qawwa tal-kompjuters suffiċjenti.
- Proċess ta' netwerk newrali m'għandux regola speċifika (jew regola ġenerali). F'teknika ta 'prova u żball, struttura ta' netwerk korretta hija stabbilita billi tipprova l-aħjar netwerk. Hija proċedura li teħtieġ ħafna rfinar.
konklużjoni
Il-qasam ta ' netwerks newrali qed tespandi malajr. Huwa kritiku li titgħallem u tifhem il-kunċetti f'dan is-settur sabiex tkun tista' tittrattahom.
Il-ħafna tipi ta 'netwerks newrali ġew koperti f'dan l-artikolu. Tista' tuża netwerks newrali biex tindirizza problemi ta' data f'oqsma oħra jekk titgħallem aktar dwar din id-dixxiplina.
Ħalli Irrispondi