¿Qué es la red neuronal artificial en el aprendizaje profundo?
La red neuronal artificial es un sistema de procesamiento de información adaptativo no lineal compuesto por una gran cantidad de unidades de procesamiento interconectadas. Se propone basándose en los resultados de la investigación en neurociencia moderna e intenta procesar información simulando el procesamiento y la memoria de la información por parte de la red neuronal del cerebro. Las redes neuronales artificiales tienen cuatro características básicas:
(1) La relación no lineal-no lineal es una característica común de la naturaleza. Las neuronas artificiales se encuentran en dos estados diferentes de activación o inhibición, lo cual es matemáticamente no lineal.
Red Neuronal Artificial
Relación. Las redes compuestas de neuronas con umbral funcionan mejor y pueden mejorar la tolerancia a fallos y las capacidades de almacenamiento.
(2) No restrictivo: las redes neuronales generalmente constan de múltiples neuronas ampliamente conectadas. El comportamiento general del sistema depende no sólo de las propiedades de las neuronas individuales sino también de las interacciones e interconexiones entre unidades. Simule la naturaleza no restrictiva del cerebro a través de una gran cantidad de conexiones entre unidades. La memoria asociativa es un ejemplo clásico de no restricción.
(3) La red neuronal artificial muy cualitativa tiene la capacidad de adaptarse, autoorganizarse y autoaprender. No sólo la información procesada por las redes neuronales puede cambiar de varias maneras, sino que el propio sistema dinámico no lineal cambia constantemente mientras procesa la información. Los procesos iterativos se utilizan a menudo para describir la evolución de sistemas dinámicos.
(4) No convexidad: la dirección de evolución del sistema dependerá de una función de estado específica bajo ciertas condiciones. Por ejemplo, el valor extremo de la función de energía corresponde al estado relativamente estable del sistema. La no convexidad significa que esta función tiene múltiples valores extremos, por lo que el sistema tiene múltiples estados de equilibrio estable, lo que conducirá a diversidad en la evolución del sistema.
En las redes neuronales artificiales, las unidades de procesamiento de neuronas pueden representar diferentes objetos, como características, letras, conceptos o algunos patrones abstractos significativos. Hay tres tipos de unidades de procesamiento en la red: unidades de entrada, unidades de salida y unidades ocultas. La unidad de entrada recibe señales y datos del mundo exterior; la unidad de salida realiza la salida de los resultados del procesamiento del sistema; la unidad oculta está ubicada entre las unidades de entrada y salida y no puede
red neuronal artificial
desde fuera del sistema Se observa una unidad. El peso de la conexión entre neuronas refleja la fuerza de la conexión entre las células, y la representación y el procesamiento de la información se reflejan en la relación de conexión de las unidades de procesamiento de la red.
La red neuronal artificial es un procesamiento de información no programado, adaptativo y basado en el cerebro. Su esencia es obtener una función de procesamiento de información paralela y distribuida a través de la transformación de la red y el comportamiento dinámico, que puede imitar la función de procesamiento de información del sistema nervioso del cerebro humano en diversos grados y en diferentes niveles.