Artificial neural network

Artificial neural network یا شبکه عصبی مصنوعی شبیه سازی شده از سیستم زیستی عصبی انسان است که تعداد زیادی عناصر پردازشی بهم پیوسته به نام نورون می باشد تا مراحل حل یک مسئله را با هم هماهنگ نموده و توسط سیناپس ها اطلاعات را منتقل نمایند. این سیستم ها و روش های محاسباتی نوین برای یادگیری ماشین،نمایش دانش و در نهایت اعمال دانش به دست آمده برای پیش بینی پاسخ های خروجی سامانه های پیچیده می باشد.

یادگیری شبکه عصبی:

Artificial neural network یا یادگیری شبکه عصبی بر اساس نمونه ای از جمعیتی مورد مطالعه صورت می گیرد که در طی این یادگیری مقدار واقعی و مقدار ارائه شده توسط خروجی با یکدیگر مقایسه می شوند.و واحد ها را به صورتی تنظیم می کنند تا پیش بینی ها اصلاح شود.

گرادیان نزولی:

این الگوریتم برای یافتن حداقل محل تابع کاربرد دارد. برای یافتن حداقل محل همگرایی باید الگوریتم Artificial neural network یا شبکه های عصبی را با گرادیان نزولی تابع به هم نزدیک کنیم. و برای یافتن بیشینه محل همگرایی باید از فرایند گرادیان صعودی استفاده کرد. شبکه های عصبی ، مدل های غیرخطی پیچیده ای هستند و سطح خطا به صورت نامنظم و با یافتن و دنبال کردن بیشینه شیب به دست می آید. سرعت صحیح کردن خطا ها بستگی به شیب خط و نرخ یادگیری دارد. یک شبکه عصبی توانایی آن را دارد تا بر عملکرد پرسپترون چند لایه تأثیر بگذارد باشد.

برای مثال در معماری:

انواع Artificial neural network یا شبکه های عصبی مصنوعی توانایی این را دارند که داده ها را با فرمت های مختلف دریافت نمایند، داده های معماری در قالب های گوناگونی همچون، تصویر، متن و … هستند که این داده ها با انتقال به شبکه عصبی می توانند تصاویر یا محتواهای جدید از خود تولید نمایند.