Նեյլոնային ցանցեր. Ինչ են նրանք եւ ինչպես են դրանք ազդում ձեր կյանքից

Այն, ինչ ձեզ հարկավոր է իմանալ, ձեր շրջապատում փոփոխվող տեխնոլոգիան հասկանալու համար

Նյարդային ցանցերը համակարգված մոդելներ են կապված միավորների կամ հանգույցների համար, որոնք նախատեսված են փոխանցելու, մշակելու եւ սովորում տեղեկատվությունից (տվյալների) նմանատիպ ձեւով, թե ինչպես են աշխատում նեյրոնները (նյարդային բջիջները):

Արհեստական ​​նյարդային ցանցեր

Տեխնոլոգիայի մեջ նեյրոնային ցանցերը հաճախ արվում են որպես արհեստական ​​նեյրոնային ցանցեր (NNNs) կամ նյարդային ցանցեր, որոնք տարբերվում են այն բիոլոգիական նյարդային ցանցերից, որոնք մոդելավորվել են: ANN- ի հիմնական գաղափարը հետեւյալն է, որ մարդու ուղեղը հանդիսանում է առավել բարդ եւ խելացի «համակարգիչ»: Հետազոտողներն ակնկալում էին ստեղծել համակարգիչներ, որոնք մոտեցան կամ գերազանցեցին մարդկային հետախուզությունը: Նեյրոնային ցանցերը արհեստական ​​հետախուզության (AI), մեքենայի ուսուցման (ML) եւ խորը ուսուցման ներկա ընթացքի հիմնական բաղադրիչն են:

Ինչպես են աշխատում նեյրոնային ցանցերը. Համեմատություն

Հասկանալ, թե ինչպես են աշխատում նյարդային ցանցերը եւ երկու տեսակների միջեւ տարբերությունները (կենսաբանական եւ արհեստական), օգտագործենք 15 հարկանի գրասենյակի շենքի եւ հեռախոսագծերի եւ սալօջախների օրինակներ, որոնք ուղիղ զանգում են շենքի, անհատական ​​հարկի եւ անհատական ​​գրասենյակների միջեւ: Յուրաքանչյուր առանձին գրասենյակ 15-հարկանի գրասենյակի շենքում ներկայացնում է նեյրոն (կենսաբանության համակարգչային ցանցերի կամ նյարդային խցերի հանգույց): Շենքը իրենից ներկայացնում է մի կառույց, որը պարունակում է 15 հարկերի համակարգում կազմված մի շարք գրասենյակների (նյարդային ցանց):

Կիրառելով կենսաբանական նեյրոնային ցանցերի օրինակները, զանգերը ստացվում են ամբողջ շենքի ցանկացած հարկի ցանկացած գրասենյակ կապելու համար: Բացի այդ, յուրաքանչյուր գրասենյակ ունի տողեր, որոնք կապում են այնտեղ գտնվող ցանկացած գրասենյակում, ցանկացած շենքում: Պատկերացրեք, որ զանգը տեղի է ունենում (մուտքագրում), եւ կոմուտատորը փոխանցում է այն 3- ^րդ հարկի գրասենյակին, որն անմիջապես փոխանցում է այն 11- ^րդ հարկի գրասենյակ, որն անմիջապես փոխանցում է այն 5- ^րդ հարկի գրասենյակ: Ուղեղի մեջ յուրաքանչյուր նեյրոն կամ նյարդային բջիջ (գրասենյակ) կարող է ուղղակիորեն կապել իր համակարգում կամ նյարդային ցանցում (շենքում) ցանկացած այլ նեյրոնին: Տեղեկատվությունը (զանգը) կարող է փոխանցվել ցանկացած այլ նեյրոն (գրասենյակ) `մշակելու կամ սովորելու համար այն, ինչ անհրաժեշտ է մինչեւ պատասխան կամ բանաձեւ (ելք):

Երբ մենք օգտագործում ենք այս օրինակին ANNs, դա ստանում է բավականին բարդ: Շենքի յուրաքանչյուր հարկի համար պահանջվում է սեփական տարանջատիչ, որը կարող է միանալ միայն նույն հարկում գտնվող գրասենյակներին, ինչպես նաեւ վերեւում եւ ստորին հատվածներում տեղադրող սալիկապատերը: Յուրաքանչյուր գրասենյակ կարող է ուղղակիորեն միանալ նույն հարկում գտնվող այլ գրասենյակներին եւ այդ հատակին տեղադրելու համար: Բոլոր նոր զանգերը պետք է սկսվեն տեղադրման սրահով, 1-ին հարկի վրա եւ պետք է փոխանցվեն յուրաքանչյուր անհատական ​​հարկի համար, մինչեւ զանգի ավարտը մինչեւ 15- ^րդ հարկը: Եկեք այն շարժման մեջ տեսնենք, թե ինչպես է այն աշխատում:

Պատկերացրեք, որ 1- ^ին հարկանի տեղադրման համար զանգահարում է (մուտքագրում) եւ ուղարկվում է 1- ^ին հարկի գրասենյակ: Այնուհետեւ զանգը ուղղակիորեն փոխանցվում է 1- ^ին հարկի այլ գրասենյակների (հանգույցների) միջեւ, մինչեւ պատրաստ է ուղարկել հաջորդ հարկում: Այնուհետեւ զանգը պետք է ուղարկվի 1- ^ին հարկանի տեղադրման սրահ, որն այնուհետեւ տեղափոխում է 2- ^րդ հարկի կոմուտատոր: Այս նույն քայլերը միանգամից կրկնում են մեկ հարկ, իսկ զանգը ուղարկվում է այս գործընթացի միջոցով, յուրաքանչյուր հարկի վրա մինչեւ 15-րդ հարկ:

ANN- ում հանգույցները (գրասենյակները) կազմված են շերտերով (շենքի հարկերում): Տեղեկատվությունը (զանգը) միշտ գալիս է ներածման շերտի (1- ^ին հարկում եւ դրա տեղադրման սալիկ) միջոցով եւ պետք է ուղարկվի եւ մշակվի յուրաքանչյուր շերտի (հատակի) միջոցով, նախքան հաջորդը տեղափոխվի: Յուրաքանչյուր շերտ (հատակ) այս զանգի մասին մանրամասն մանրամասներ է վերցնում եւ արդյունքը փոխանցում է հաջորդ շերտի զանգին: Երբ զանգը հասնում է ելքային շերտին (15- ^րդ հարկում եւ դրա փոխարկիչը), այն ներառում է մշակման տեղեկատվությունը 1-14 շերտերից: 15- ^րդ շերտի (հատվածում) հանգույցները (գրասենյակները) օգտագործում են մուտքագրման եւ վերամշակման տեղեկատվությունը բոլոր մյուս շերտերից (հարկերում), որոնք առաջանում են պատասխան կամ բանաձեւ (ելք):

Նեյրոնային ցանցեր եւ մեքենաների ուսուցում

Նեյրոնային ցանցերը տեխնիկայի մի տեսակ են մեքենաների ուսուցման դասակարգում: Փաստորեն, հետազոտության եւ նյարդային ցանցերի զարգացման առաջընթացը սերտորեն կապված է ՄԼ-ի առաջխաղացման եւ հոսքերի հետ: Նեյրոնային ցանցերը ընդլայնում են տվյալների մշակման հնարավորությունները եւ խթանելու ML- ի հաշվարկային հզորությունը, ավելացնելու տվյալների ծավալը, որոնք կարող են մշակվել, այլ նաեւ ավելի բարդ գործառույթներ իրականացնելու ունակություն:

ANN- ի համար առաջին վավերագրված համակարգչային մոդելը ստեղծվել է 1943 թ. Walter Pitts եւ Warren McCulloch- ի կողմից: Նախնական հետաքրքրությունը եւ հետազոտությունը նյարդային ցանցերում եւ մեքենայական ուսուցման ընթացքում, ի վերջո, դանդաղեցրին եւ ավելի ու ավելի քիչ էին դանդաղեցրել 1969 թ. Ժամանակի համակարգիչները պարզապես չունեին բավականաչափ արագ կամ բավականաչափ մեծ քանակությամբ պրոցեսորներ այդ տարածքները հետագա զարգացնելու համար, եւ ML- ի եւ նյարդային ցանցերի համար անհրաժեշտ տվյալների մեծ քանակությունը ժամանակին չէ:

Ինտերնետի աճի եւ ընդլայնման հետ մեկտեղ ժամանակի ընթացքում հաշվարկային հզորության զանգվածային մեծացումը (եւ դրանով ինտերնետի զանգվածային գումարների մուտք գործելը) լուծել են այդ վաղ մարտահրավերները: Նեյրոնային ցանցերն ու ML- ն այժմ գործիք են տեխնոլոգիաների, որոնք մենք տեսնում ենք եւ օգտագործում ենք ամեն օր, ինչպիսիք են դեմքի ճանաչումը , պատկերների վերամշակումը եւ որոնումը եւ իրական ժամանակի լեզվով թարգմանությունը `ընդամենը մի քանի անուն:

Նյարդային ցանցի օրինակները առօրյա կյանքում

ANN- ը բավականին բարդ թեմա է տեխնոլոգիայով, սակայն հարկ է ուշադիր լինել ուսումնասիրելու համար ամեն օր մեր կյանքի վրա ազդող ուղիների ավելացման շնորհիվ: Ահա մի քանի օրինակներ, որոնք օգտագործվում են նեյրոնային ցանցերի տարբեր ճյուղերի կողմից:

• Ֆինանսներ. Նեյրոնային ցանցերը օգտագործվում են կանխորոշելու արտարժույթի փոխարժեքները: Դրանք նաեւ օգտագործվում են ֆոնդային շուկայում օգտագործվող ավտոմատ առեւտրային համակարգերի ետեւում գտնվող տեխնոլոգիայի մեջ:
• Բժշկություն. Նյարդային ցանցերի պատկերների վերամշակման կարողությունները նպաստեցին տեխնոլոգիային, որն օգնում է ավելի ճշգրիտ էկրաններ հայտնաբերել եւ հայտնաբերել վաղ փուլ եւ դժվար է բացահայտել քաղցկեղի տեսակները: Նման տեսակի քաղցկեղը ինվազիվ մելանոմա է, մաշկի քաղցկեղի առավել լուրջ եւ մահացու ձեւը: Մելանոմային հայտնաբերումը ավելի վաղ փուլերում, մինչեւ այն տարածվելը, հիվանդներին տալիս է այս տեսակի քաղցկեղ `այն հաղթելու լավագույն շանսերը:
• Եղանակ: Մթնոլորտային փոփոխությունների հայտնաբերման ունակությունը, որը ցույց է տալիս հնարավոր լուրջ եւ վտանգավոր եղանակի հնարավորությունը, որքան հնարավոր է արագ եւ ճշգրիտ, կարեւոր է կյանքը փրկելու համար: Նեյրոնային ցանցերը ներգրավված են արբանյակների եւ ռադիոտեղորոշիչների իրական ժամանակի մշակման մեջ, որոնք ոչ միայն հայտնաբերում են փոթորիկների եւ ցիկլոնների վաղ ձեւավորումը, այլեւ հանկարծակի փոփոխություններ են հայտնաբերում քամու արագության եւ ուղղության վրա, որոնք ցույց են տալիս, որ ձեւավորում են տորնադո: Tornadoes- ն ամենատարածված եւ ամենավտանգավոր եղանակային իրադարձություններից է ռեկորդային, հաճախ ավելի հանկարծակի, կործանարար եւ մահացու, քան փոթորիկները: