Property Value
dbo:abstract
  • A neurális hálózat biológiai neuronok összekapcsolt csoportja. Modern használatban a szó alatt a mesterséges neurális hálót értjük, amelyek mesterséges neuronokból állnak. Így a neurális háló kifejezés két különböző koncepciót is jelent: 1. * A a gócok csatlakozása, vagy funkcionálisan összefüggő neuronok, a periférikus idegrendszerben, vagy a központi idegrendszerben. A neurális tudományok területén a leggyakrabban az idegrendszer egy csoportjának azonosítják, mely laboratóriumi analizálásra alkalmas. 2. * A mesterséges neurális hálózat, egy biológiai indíttatású gép/program, ami a biológiai neurális hálózat néhány tulajdonságát modellezi. Az alkalmazások többsége technikai jellegű, és nem kognitív modell. A mesterséges neurális hálók nem csak a biológia, hanem más tudományterületek (matematika, fizika, pszichológia) eredményeit is felhasználják. A vagy N-hálók származástól függetlenül a hálók működésének mechanizmusa többé-kevésbé megegyezik:ezen hálózatok alapelve, hogy a számolásokat egymással összekapcsolt kis feldolgozóegységek, neuronok végzik. A számítások során fontos szerepet játszik a neuronok közötti kapcsolatrendszer, ezért a neurális hálókat konnekciós hálózatoknak, a velük foglalkozó szakembereket pedig konnekcionistáknak is nevezik. A neurális hálózat egyszerű egységekből áll, abban az értelemben, hogy belső állapotai leírhatók számokkal, ezek az aktivációs . Mindegyik egység generál egy aktiválási függő kimeneti értéket (jelet). Az egységek csatlakoznak egymáshoz, mindegyik csatlakozás tartalmaz egy egyéni súlyt (szintén számokkal leírva, lásd ). Minden egység kiküldi a kimeneti értékét az összes többi egységnek, amelyekkel kimenő kapcsolatban vannak. A "rendszer" bemenetei lehetnek érzékszervek vagy mesterséges szenzorok, érzékelők adatai, míg kimenetei lehet a viselkedés, jel egy kimeneti neuronon, esetleg bármilyen mesterségesen megjelenített válasz egy kérdésre (amik neuron-hálózatok esetében persze ). Ezen kapcsolatok miatt az egység kimenete hatással van a másik egység aktivációjára. A kapcsolat bemeneti oldalán álló egység fogadja az értékéket, és azok súlyozásával kiszámolja az aktivációs értékét (összeszorozza a bemeneti jelet a hozzá tartozó bemenet súlyával, és veszi ezek összegét) A kimenetet az aktivációtól függően az aktivációs függvény határozza meg (pl az egység kimenetet generál –„tüzel”- ha az aktivizáció egy határérték felett van).Hogy ezek a jelek elektrokémiai, elektromos, netán , ez a "megvalósítás" mikéntjétől (biológiai, hardver, szoftver) függ, de ez a működés alapelveit nem befolyásolja. Fontos megjegyezni, hogy a neuronok bár számításokat végeznek ugyan, de mégsem processzorok. A fő különbség a kettő között az, hogy amíg a processzorokat programozzák (szekvenciális utasítássorozatot adnak meg neki), addig a neuronokat tanítják (a súlymátrix értékeinek beállításával). A hálózat tanulási technikája lehet ellenőrzött, ill. nem ellenőrzött típusú . Az ellenőrzött tanulású N-hálók esetében a rendszer nagyszámú, előre megadott példa alapján tanul: speciális algoritmusokkal addig változtatja a neuronok közötti kapcsolatokat, míg a megadott mindig a megadott "okozzák".Ilyenkor a hálózat a legtöbb esetben a csatlakozások súlyának módosításával tanul. A súlymódosítás során az ún. hibafüggvény eredményét veszi figyelembe. A hibafüggvény értékét sokféle módon lehet kiszámítani, a legegyszerűbb eset, amikor a kimeneti értékből kivonja a helyes kimeneti értéket. A nem ellenőrzött hálóknál leginkább a használják, amely hálózat azon feltételezések alapján működik, hogy a hálózat képes a teljes bemeneti közös jellemzőinek azonosítására. (hu)
  • A neurális hálózat biológiai neuronok összekapcsolt csoportja. Modern használatban a szó alatt a mesterséges neurális hálót értjük, amelyek mesterséges neuronokból állnak. Így a neurális háló kifejezés két különböző koncepciót is jelent: 1. * A a gócok csatlakozása, vagy funkcionálisan összefüggő neuronok, a periférikus idegrendszerben, vagy a központi idegrendszerben. A neurális tudományok területén a leggyakrabban az idegrendszer egy csoportjának azonosítják, mely laboratóriumi analizálásra alkalmas. 2. * A mesterséges neurális hálózat, egy biológiai indíttatású gép/program, ami a biológiai neurális hálózat néhány tulajdonságát modellezi. Az alkalmazások többsége technikai jellegű, és nem kognitív modell. A mesterséges neurális hálók nem csak a biológia, hanem más tudományterületek (matematika, fizika, pszichológia) eredményeit is felhasználják. A vagy N-hálók származástól függetlenül a hálók működésének mechanizmusa többé-kevésbé megegyezik:ezen hálózatok alapelve, hogy a számolásokat egymással összekapcsolt kis feldolgozóegységek, neuronok végzik. A számítások során fontos szerepet játszik a neuronok közötti kapcsolatrendszer, ezért a neurális hálókat konnekciós hálózatoknak, a velük foglalkozó szakembereket pedig konnekcionistáknak is nevezik. A neurális hálózat egyszerű egységekből áll, abban az értelemben, hogy belső állapotai leírhatók számokkal, ezek az aktivációs . Mindegyik egység generál egy aktiválási függő kimeneti értéket (jelet). Az egységek csatlakoznak egymáshoz, mindegyik csatlakozás tartalmaz egy egyéni súlyt (szintén számokkal leírva, lásd ). Minden egység kiküldi a kimeneti értékét az összes többi egységnek, amelyekkel kimenő kapcsolatban vannak. A "rendszer" bemenetei lehetnek érzékszervek vagy mesterséges szenzorok, érzékelők adatai, míg kimenetei lehet a viselkedés, jel egy kimeneti neuronon, esetleg bármilyen mesterségesen megjelenített válasz egy kérdésre (amik neuron-hálózatok esetében persze ). Ezen kapcsolatok miatt az egység kimenete hatással van a másik egység aktivációjára. A kapcsolat bemeneti oldalán álló egység fogadja az értékéket, és azok súlyozásával kiszámolja az aktivációs értékét (összeszorozza a bemeneti jelet a hozzá tartozó bemenet súlyával, és veszi ezek összegét) A kimenetet az aktivációtól függően az aktivációs függvény határozza meg (pl az egység kimenetet generál –„tüzel”- ha az aktivizáció egy határérték felett van).Hogy ezek a jelek elektrokémiai, elektromos, netán , ez a "megvalósítás" mikéntjétől (biológiai, hardver, szoftver) függ, de ez a működés alapelveit nem befolyásolja. Fontos megjegyezni, hogy a neuronok bár számításokat végeznek ugyan, de mégsem processzorok. A fő különbség a kettő között az, hogy amíg a processzorokat programozzák (szekvenciális utasítássorozatot adnak meg neki), addig a neuronokat tanítják (a súlymátrix értékeinek beállításával). A hálózat tanulási technikája lehet ellenőrzött, ill. nem ellenőrzött típusú . Az ellenőrzött tanulású N-hálók esetében a rendszer nagyszámú, előre megadott példa alapján tanul: speciális algoritmusokkal addig változtatja a neuronok közötti kapcsolatokat, míg a megadott mindig a megadott "okozzák".Ilyenkor a hálózat a legtöbb esetben a csatlakozások súlyának módosításával tanul. A súlymódosítás során az ún. hibafüggvény eredményét veszi figyelembe. A hibafüggvény értékét sokféle módon lehet kiszámítani, a legegyszerűbb eset, amikor a kimeneti értékből kivonja a helyes kimeneti értéket. A nem ellenőrzött hálóknál leginkább a használják, amely hálózat azon feltételezések alapján működik, hogy a hálózat képes a teljes bemeneti közös jellemzőinek azonosítására. (hu)
dbo:wikiPageExternalLink
dbo:wikiPageID
  • 99502 (xsd:integer)
dbo:wikiPageLength
  • 6397 (xsd:nonNegativeInteger)
dbo:wikiPageRevisionID
  • 23528592 (xsd:integer)
prop-hu:date
  • 2018 (xsd:integer)
prop-hu:url
prop-hu:wikiPageUsesTemplate
dct:subject
rdfs:label
  • Neurális hálózat (hu)
  • Neurális hálózat (hu)
owl:sameAs
prov:wasDerivedFrom
foaf:isPrimaryTopicOf
is dbo:wikiPageRedirects of
is foaf:primaryTopic of