神經網絡體系結構使用一個類似于生物大腦功能的過程來解決問題。不像計算機那樣,計算機被編程為遵循特定的指令集,神經網絡使用復雜的響應網絡來創建自己的值集。該系統主要通過從示例中學習和反復試驗來工作。總體而言...
神經網絡體系結構使用一個類似于生物大腦功能的過程來解決問題。不像計算機那樣,計算機被編程為遵循特定的指令集,神經網絡使用復雜的響應網絡來創建自己的值集。該系統主要通過從示例中學習和反復試驗來工作。總體而言,神經網絡體系結構將解決問題的過程超出了人類或傳統計算機算法所能處理的范圍

神經網絡架構的概念是基于生物神經元,大腦中實現與神經通訊的元素。神經網絡架構的概念是基于生物神經元,即大腦中實現與神經通訊的元件。這些元件是在計算環境中由節點和值組成的程序來模擬處理數據。這種方法是為了彌補典型的計算機算法無法像人類一樣容易地處理簡單的聽覺和視覺數據,并通過提高速度和過程的效率。一個典型的神經網絡體系結構將試圖通過詢問一系列關于主題的是與否的問題來解決問題,通過丟棄某些元素接受別人,最終會找到答案這一過程類似于生物大腦解決問題的方式,但它可以通過專注于某一特定區域而以更快、更復雜的方式工作開發自己的解決問題的方法,它可能是不可預測的。這通常是有益的,因為一個不太明確的過程可能會產生人類大腦無法自行設計的答案。它也可能是有問題的,因為沒有辦法跟蹤計算機解決問題所采取的具體步驟,因此減少了解決問題的方法排除流程運行期間或之后可能出現的任何問題。神經網絡體系結構的好處之一是通過不斷地從試錯中學習,該系統可以提高其解決問題的能力。隨著時間的推移,這可以提高網絡檢測模式和處理無組織和模糊數據體的能力。該過程可用于從單個進程到大量互連元素的任何操作雖然神經網絡結構可以被設計成專注于某些領域,但它不能局限于特定的任務。為了使系統有效,必須給它提供必要的元素來自行排除故障。如果沒有合適的材料,系統生成的答案將通常不令人滿意。