Hûn hewce ne ku hûn bizanibin teknolojiya guhertina teknîkî li ser te we
Nîşeyên neûr têne modelên computer yên ku yekîneyên vekirî têne veguherandin, pêvajoyê dikin, û pêvajoya agahdariyê (data) di heman rengî de çawa fêr dike ku çawa neurons (hucreyên nervan) di mirovan de dixebite.
Tora Neteweyên Çandî
Di teknolojî de, torên neuralî têne navnîşan kirin ku tevlî torên neuralîtîk (ANNs) an jî mantelên neuralî ji bo torên neurolojî yên ku ew piştî modela têne cudahêrin. Pirsgirêka sereke ya ANNs e ku mêjûya herî mezin e "komputer" ya ku gelemperî zehmet û hişmend e ye. Bi şertên ANN-ê ku bi dakêşî û pergala agahdariyê ya pêvajoyan tê bikaranîn ji aliyê mizgeftê ve tê bikaranîn, lêkolîner hêvî dikir ku komputerên ku nêzîkî agahdariya mirovî ve girêdayî bûne. Nîgarên neurman ên di pêşveçûna pêşerojê de di warê Intelligence-Artificial (AI) de, hînbûna makîneyê (ML), û hînbûna kûr in .
Karûbarên Neural ên Karûbar: Karûbar
Ji bo ku bizanibin torên neuralî dixebitin û cudahiyên di navbera du cure (biyolojîk û kevnefîlmê) de, bila nimûne avahiya avahiya 15-qonaxa avahiyê û xêzên telefonê yên ku li seranserê avahiyê, avîngehên ferdî û ferdên kesane re dibêjin. Her kesê şexsî di nav avahiyek 15-çîroka şexsî de neuron nîşan dide (node di navnîşa torê ya komputerê de yan hucreyek nervê). Avakirina avahiyê xwe ye ku avahiyeke avahiyek heye ku di sazûmanên 15 salan de (pergala neural).
Ji bo nimûneyên torên neuralolojîk yên biyolojîk, ku têgavên ku bistînin veguherîna nimûneya bîyolojî heye ku li ser avahiya avahiyê li her qurbanxaneyê li her karmendê têkilî bikin. Herweha, her karmendên pevçûn hene ku ew li avahiya avahiyê li avahiyê her karmendek din ve girêdayî ye. Bifikirin ku bangek di nav (input) de ye û veguhertina veguhertina wê li qada 3 xanî de, ku ew bi rasterast di navenda 11- ê de li veguhastina veguhastinê veguherîne, ku paşê bi rasterast veguhestina navenda 5- ê de li ser veguhestinê. Di mêjê de, her neuron an hucreyek nervê (navendî) dikare bi pergala xwe ya pergala nexşûre (avakirina avahiyê) li neuronek din ve girêdayî ye. Agahdariyê (telefon) dikare li ser pêvajoyek neuron (office) ji bo pêvajoyê an jî hînbûna ku heta ku bersiv an jî çareseriyê (hilberîn) nabe hîn bibe.
Dema ku em nimûne nimûne da ANN, ev tiştek bêtir tevlihev dibe. Her qadê avahiyê avahiyê wê pêdivî ye, ku dikare tenê li ser heman navîn, û herweha wekî pirtûkxane li ser gemên li jor û jêrîn ve girêdayî bikin. Her kare dikare tenê bi rasterastên din re li ser erdê û pirtûkxaneyê ji bo erdê ve girêdayî bikin. Divê hemû telefonên ku bi destûra pêşîn li 1st floorê dest bi dest pê bikin û divê hûn li ser heya 15- ê beriya heya hejmarê hejmara hejmar a her kesek veguherîn dest pê bikin. Bila ev eşkere bike ku hûn bizanin ka ew çawa dixebite.
Bifikirin ku bangek di nav (input) de li qaçûna 1- stî tê de tête nivîsîn û nivîsgehekî li ser xanî (node) li ser xalekê şandin. Piştre dîrektîf di nav dezgehên din de (nodes) li dora stavê veguhestin heta ku ew amade ye ku li ser erdê pêşî bişîne. Piştre bangê divê telefonê veguhestinê li ser xaçûya 1- ê de, paşê veguhastina wê li 2-ê gûreyê veguherîn. Vê gav heman gavên li ser demekê davêjin, bi bangê vê pêvajoyê li seranserê her parmanê her tiştî biçe dora erdê 15.
Li ANN, nods (dezgehên) li ser keviran de (armanca avahiyê) têne sazkirin. Agahdariyê (telefonek herdem) herdem bi rêya veguhestina navxweyî (1'emîn û zeviya xwe ya avê) tête û divê bi her parçe (xanî) bi şandin û pêvajoyê bişîne berî ku ew dikare bi pêşiyê ve bigere. Her perçeyek (xanî) pêvajoyek taybetmendiyê pêvajoyê dike ku ew bang dike û bi encam re bi telefonê din re bişîne. Dema ku gazî tête barkirinê hilberîna hilberê (15- ê û axaftina wê), ew agahdariya pêvajoya pêvajoya 1-4-ê de hene. Nodes (nivîsgehên) li ser 15- ê (floor) bi agahdarî û pêvajoya pêvajoyê bi karûbarên hemî tûrên (floors) bikar bînin ku bi bersiva an çareseriyê re (hilberîn) bikin.
Networks and Training Learning Machines
Di bin kategoriya fêrbûna makîneyê de nîreyên neural nûner e. Di rastiyê de, pêşveçûna lêkolînê û pêşveçûna nehênî yên neuralî bi ebbs û pêşveçûna pêşxistina ML-ê ve girêdayî ye. Netsên xwe yên dirêjkirina pêvajoyên daneyên danûstendinê belav bikin û hêza teknolojiya ML-ê zêde dikin, hêjeya daneyên zêde dibe ku pêvajoy kirin ku lê lê dibe ku karûbarên karûbarên bêtir tevlihev bikin.
Yekem yekem modela komputerê ya ANNs di sala 1943'an de ji aliyê Walter Pitts û Warren McCulloch ve hate afirandin. Sedema destpêkê û lêkolînê di torên neuralî û hînbûna makîneyê de dawiyê hêdî bûn û ji hêla 1969 an jî ji hêla piçûkên nû ve girêdayî ye. Komputerên ku dem bi hêsanî bi hêsantir ve têr bûne an qonaxên pirr têr bûne ku ji van herêman pêşve bibin pêşvebirin, û hejmareke gelemperî hewce ne ji bo ML û nîgarên neural bû.
Bi zêdebûna mezinbûnê û pêşveçûna înternetê (û bi awayekî gelemperî veguhestina danûstendiyan di nav înternetê de tête danûstandinê) pir zêde zêde dibe ku ew zehmetên pêşî çareser kir. Nîgarên neural û ML niha di teknolojiyên ku em dibînin û her rojê bikar bînin, bi awayekî nasnameyê , pêvajoyê û lêgerîna wêneyê, û wergera rast-ziman-ziman-binivîsin.
Mînakên Niştimanî yên Di Roja Her Life de
ANN di mijara teknolojî de pir xurt e, lêbelê, hinek dem ji bo ku lêgerîna hejmareya rêbazên ku her roj di jiyana me de bandor dike, lêgerîn e. Li vir çend mînakên mînakên, rêbazên neural ên niha ji aliyê pîşesaziyên cuda ve têne bikaranîn.
- Fînans: Nîgarên neural têne bikaranîn ku ji bo rêjeya danûstandinên diravê pêşbînî dikin Ew di teknolojiyê de yên pergalên bazirganiya xweser ên xweser ên ku di nav bazara firotanê de têne bikaranîn.
- Derman: Kapasîteyên pêvajoya wêneyê yên neuralî yên ku teknolojî beşdar kir ku ji hêla hêsantir û zehmet re zûtirîn zehf dike û zehmet dike ku zehfên kanserên nas dikin. Yek ji vî rengî kanserê melonoma veguhestin, forma herî giran û mirinê ya kansera çermê ye. Di malanoma de li ser qonaxên pêşîn nas dikin, beriya ku belav bûye, nexweşan bi vî awayî kansera kansê dide ku derfetên çêtirîn şikandin.
- Vebijêr: Enerjiya guherîna atmosferên atmosferî ya atmosferî ya ku dibe ku bi lez û zûtirîn zûtirîn zehmek zehmet û xeterekî nîşan dide nîşan dide ku ji bo jiyanên rizgar e. Nural nets di rast-a-pêvajoya pêvajoya satelasyon û radar de tevlî bûne ku ne tenê tenê çêkirina hûrikên û çolikan dihêlin, lê herweha guhertinên bêdeng ên di lez û pîşesaziya winda de ku nîşanek çêbikin. Tornadoes çend bûyerên herî bihêztir û herî xirab in ser qeydkirî - pir caran bêhtir, zehf û bêhêzî ne.