Mạng nơ-ron nhân tạo là một hệ thống nằm trên các dịch vụ của mạng nơ-ron sinh học. Nó là một mô phỏng của một hệ thống thần kinh sinh học. Đặc điểm của mạng nơ-ron nhân tạo là có nhiều kiến trúc, do đó cần một số phương pháp thuật toán, nhưng mặc dù là một hệ thống phức tạp, mạng nơ-ron gần như đơn giản.
Các mạng này là một trong những công nghệ xử lý tín hiệu độc đáo trong hộp công cụ của giám đốc. Lĩnh vực này có tính liên ngành cao, nhưng phương pháp này sẽ hạn chế giao diện đối với triển vọng kỹ thuật.
Trong kỹ thuật, mạng nơ-ron cung cấp hai chức năng quan trọng là bộ phân loại mẫu và bộ lọc thích ứng phi tuyến tính. Mạng nơ ron nhân tạo là một hệ thống phi tuyến tính linh hoạt, thường được hiểu là để triển khai một chức năng (một bản đồ đầu vào / đầu ra) từ dữ liệu. Thích ứng định nghĩa rằng các tham số hệ thống được chuyển đổi trong quá trình hoạt động, thường được gọi là giai đoạn huấn luyện.
Sau giai đoạn huấn luyện, các tham số Mạng thần kinh nhân tạo là không đổi và hệ thống được thiết lập để giải quyết vấn đề trong tầm tay (giai đoạn thử nghiệm). Mạng nơ ron nhân tạo được phát triển theo giai đoạn từng bước có hệ thống để nâng cao kiểm tra hiệu suất hoặc tuân theo một số ràng buộc nội bộ ngầm định, thường được định nghĩa là quy tắc học tập.
Dữ liệu đào tạo đầu vào / đầu ra là cơ bản trong công nghệ mạng nơ-ron vì chúng truyền dữ liệu quan trọng để “khám phá” điểm hoạt động tối ưu. Các đặc tính phi tuyến tính của các phần tử xử lý mạng nơ-ron (PE) hỗ trợ hệ thống có một số khả năng thích ứng để thu được hầu như một số bản đồ đầu vào / đầu ra mong muốn, tức là một số mạng nơ-ron nhân tạo là những người tạo bản đồ rộng rãi.
Một đầu vào được hiển thị cho mạng nơ-ron và một phản hồi mong muốn hoặc mục tiêu tương đương được đặt ở đầu ra (khi đây là trường hợp huấn luyện được gọi là có giám sát). Lỗi được thu thập từ sự khác biệt giữa phản hồi thu được và kết quả đầu ra của hệ thống. Dữ liệu lỗi này được chuyển trở lại hệ thống và điều chỉnh một cách có hệ thống các tham số của hệ thống (quy tắc học tập). Giai đoạn được lặp lại cho đến khi hiệu suất phù hợp. Từ định nghĩa này, rõ ràng là hiệu suất phụ thuộc rất nhiều vào dữ liệu.
Ưu điểm của Mạng Neural Nhân tạo
Các ưu điểm của mạng nơ-ron như sau -
-
Mạng nơ-ron có thể triển khai các tác vụ mà một chương trình tuyến tính không thể thực hiện được.
-
Khi một mục của mạng nơ-ron từ chối, nó có thể tiếp tục mà không gặp một số vấn đề nhờ các tính năng song song của nó.
-
Mạng nơ-ron xác định và không yêu cầu lập trình lại.
-
Nó có thể được thực thi trong bất kỳ ứng dụng nào.
Nhược điểm của Mạng Neural Nhân tạo
Những nhược điểm của mạng nơ-ron như sau -
-
Mạng nơ-ron cần được đào tạo để hoạt động.
-
Cấu trúc của mạng nơ-ron khác với cấu trúc của bộ vi xử lý do đó cần phải được mô phỏng.
-
Nó cần thời gian xử lý cao cho các mạng nơ-ron lớn.