神经网络体系结构使用一个类似于生物大脑功能的过程来解决问题。不像计算机那样,计算机被编程为遵循特定的指令集,神经网络使用复杂的响应网络来创建自己的值集。该系统主要通过从示例中学习和反复试验来工作。总体而言...
神经网络体系结构使用一个类似于生物大脑功能的过程来解决问题。不像计算机那样,计算机被编程为遵循特定的指令集,神经网络使用复杂的响应网络来创建自己的值集。该系统主要通过从示例中学习和反复试验来工作。总体而言,神经网络体系结构将解决问题的过程超出了人类或传统计算机算法所能处理的范围

神经网络架构的概念是基于生物神经元,大脑中实现与神经通讯的元素。神经网络架构的概念是基于生物神经元,即大脑中实现与神经通讯的元件。这些元件是在计算环境中由节点和值组成的程序来模拟处理数据。这种方法是为了弥补典型的计算机算法无法像人类一样容易地处理简单的听觉和视觉数据,并通过提高速度和过程的效率。一个典型的神经网络体系结构将试图通过询问一系列关于主题的是与否的问题来解决问题,通过丢弃某些元素接受别人,最终会找到答案这一过程类似于生物大脑解决问题的方式,但它可以通过专注于某一特定区域而以更快、更复杂的方式工作开发自己的解决问题的方法,它可能是不可预测的。这通常是有益的,因为一个不太明确的过程可能会产生人类大脑无法自行设计的答案。它也可能是有问题的,因为没有办法跟踪计算机解决问题所采取的具体步骤,因此减少了解决问题的方法排除流程运行期间或之后可能出现的任何问题。神经网络体系结构的好处之一是通过不断地从试错中学习,该系统可以提高其解决问题的能力。随着时间的推移,这可以提高网络检测模式和处理无组织和模糊数据体的能力。该过程可用于从单个进程到大量互连元素的任何操作虽然神经网络结构可以被设计成专注于某些领域,但它不能局限于特定的任务。为了使系统有效,必须给它提供必要的元素来自行排除故障。如果没有合适的材料,系统生成的答案将通常不令人满意。