Slik bruker Neural Networks & Dataprogrammer

Nevrale nettverk er en viktig kunstig intelligens teknikk, og har vært en stor suksess innen maskinlæring og mønstergjenkjenning. De er noen ganger brukt i programmer som krever både mønstergjenkjenning og læringsevne. Den vanligste form for neurale nettverk kalles en "backpropagation nettverk" som gjør det mulig for "buss" for å trene nettverket.

Bruksanvisning

1 Kode en enkelt nervecelle på ditt språk av valget. Gjennomføringen detaljer vil variere, men hver nervecelle må være i stand til å konsumere flere innganger, bruke en vekt til ulike innganger og deretter bruke en "sigmoid funksjon" for å produsere et resultat. Den "sigmoid Funksjonen" vil variere basert på hva nettverket er utformet for å lære.

2 Lag en rekke "-modellen nevroner" på ditt språk av valget. Lag et nytt lag av nerveceller. Hvert lag av nerveceller vil overføre informasjon til et påfølgende lag av nerveceller som vil fortsette å forandre inngangene til et utgangslag fremkommer.

3 Opprett et utgangslag som lar deg gi svaret at det nevrale nettverket skal ha produsert. På dette punkt må det neurale nettverk for å "backpropagate" svaret på alle tidligere lag av nerveceller. Nervecellene må da beregne en feil og justere vekten for sine ulike innganger.

4 Coache ditt nettverk til det begynner å produsere de riktige resultatene på en konsistent basis.