Definición de Redes Neuronales

Las redes neuronales son sistemas de neuronas interconectadas . Las neuronas , o células nerviosas , son los bloques de construcción básicos de cerebros , que son las redes neuronales biológicas . Las redes neuronales artificiales son herramientas computacionales modeladas después de los cerebros , y se utilizan para modelar los cerebros , así como realizar tareas de cálculo específicas. Las redes neuronales artificiales se han descrito como " la segunda mejor forma de hacer casi cualquier cosa . " Componentes básicos

El principal componente de una red neuronal es la neurona . Cada neurona tiene un umbral de activación, y una serie de conexiones ponderadas a otras neuronas . Si la activación agregada una neurona recibe de las neuronas conectados a él excede su umbral de activación , los fuegos de neuronas y transmite su activación a las neuronas a la que está conectado. Los pesos asociados con estas conexiones pueden ser modificados por la formación de la red para realizar una determinada tarea. Esta modificación de las cuentas para el aprendizaje.

Brains

Los científicos han aprendido mucho acerca de la función cerebral en los últimos años . El cerebro se compone de células nerviosas , que están conectados a otras células nerviosas por sinapsis. Procesos electroquímicos complejos propagan un potencial de activación a través de una neurona , que los relés de neurona a neuronas adyacentes si el potencial supera ese umbral de célula. Las sinapsis pueden ser inhibidora o excitadora , y cerebros aprender al modificar la forma sinapsis cambian el potencial de activación . A través de estos procesos simples , el cerebro se cree para producir pensamientos y la conciencia.
Estructura y Computación

Las redes neuronales artificiales se organizan a menudo en capas , con cada capa recibir una entrada de una capa adyacente, y enviarlo a otro. Capas se clasifican como capas de entrada , salida, capas y capas ocultas . La capa de entrada se inicializa a un cierto conjunto de valores , y los cálculos realizados por las capas ocultas actualizar los valores de las capas de salida , que comprenden la salida de toda la red .
Aprendizaje

El aprendizaje en las redes neuronales puede ser supervisado o sin supervisión . Esto se logra mediante la actualización de los pesos entre las neuronas conectadas. El método más común para la formación de redes neuronales es retropropagación , un método estadístico para la actualización de los pesos en base a lo lejos su salida es desde la salida deseada . Para buscar el conjunto óptimo de pesos , se pueden utilizar varios algoritmos . El más común es el descenso de gradiente , que es un método de optimización que , en cada paso, busca en la dirección que aparece a venir más cercano a la meta.
Usos

Las redes neuronales artificiales se han utilizado para una variedad de tareas. Se han utilizado como una forma de débil inteligencia artificial, para estudiar cómo funciona el cerebro . Ciertos tipos de daño cerebral se pueden modelar mediante la eliminación de nodos y conexiones de una red debidamente capacitado . Pueden ser utilizados para estimar funciones matemáticas, y características de extracto a partir de imágenes para el reconocimiento óptico de caracteres . Una red neuronal artificial , el Vehículo terrestre Autónoma de una red neuronal , fue utilizado por NavLab de la Universidad Carnegie Mellon para extraer características de carretera para navegar por un vehículo no tripulado . Las redes neuronales se han utilizado también para el reconocimiento de voz , juego de juego y el filtrado de spam de correo electrónico.