인공 신경망은 생물학적 신경망 서비스에 위치한 시스템입니다. 생물학적 신경계의 시뮬레이션입니다. 인공 신경망의 특징은 아키텍처가 여러 개 있어 결과적으로 여러 알고리즘 방법이 필요하지만 복잡한 시스템에도 불구하고 신경망은 거의 단순하다는 것입니다.
이러한 네트워크는 감독의 도구 상자에 있는 고유한 신호 처리 기술 중 하나입니다. 이 분야는 매우 학제적이지만 이 방법은 엔지니어링 전망으로 보는 것을 제한합니다.
엔지니어링에서 신경망은 패턴 분류기와 비선형 적응 필터로 두 가지 중요한 기능을 제공합니다. 인공 신경망은 데이터에서 기능(입력/출력 맵)을 구현하는 것을 이해하는 유연하고 대부분의 경우 비선형 시스템입니다. 적응형은 일반적으로 훈련 단계로 알려진 작동 중에 시스템 매개변수가 변환되는 것을 정의합니다.
훈련 단계 후 인공 신경망 매개변수는 일정하고 시스템은 당면한 문제를 해결하도록 설정됩니다(테스트 단계). 인공 신경망은 성능 테스트를 강화하거나 일반적으로 학습 규칙으로 정의되는 일부 암묵적인 내부 제약을 따르기 위해 체계적인 단계별 단계로 개발되었습니다.
입/출력 훈련 데이터는 최적의 작동 지점을 "발견"하기 위해 중요한 데이터를 전송하기 때문에 신경망 기술의 기본입니다. 신경망 처리 요소(PE)의 비선형 특성은 원하는 입력/출력 맵을 가상으로 얻을 수 있는 몇 가지 적응성을 통해 시스템을 지원합니다. 즉, 일부 인공 신경망은 광범위한 지도 제작자입니다.
입력이 신경망에 표시되고 동등한 원하는 또는 목표 응답이 출력에서 설정됩니다(이 경우 훈련이 감독됨으로 알려진 경우). 획득한 응답과 시스템 출력 간의 차이에서 오류가 수집됩니다. 이 오류 데이터는 시스템으로 다시 전달되고 시스템 매개변수(학습 규칙)를 체계적으로 규제합니다. 성능이 적절할 때까지 단계가 반복됩니다. 이 정의에서 성능이 데이터에 크게 좌우된다는 것이 분명합니다.
인공 신경망의 장점
신경망의 장점은 다음과 같습니다 -
-
신경망은 선형 프로그램이 할 수 없는 작업을 구현할 수 있습니다.
-
신경망의 항목이 감소하면 병렬 기능으로 인해 몇 가지 문제 없이 계속될 수 있습니다.
-
신경망은 재프로그래밍을 결정하며 필요하지 않습니다.
-
모든 애플리케이션에서 실행할 수 있습니다.
인공 신경망의 단점
신경망의 단점은 다음과 같습니다 -
-
신경망이 작동하려면 훈련이 필요했습니다.
-
신경망의 구조는 마이크로프로세서의 구조와 다르므로 에뮬레이션해야 합니다.
-
큰 신경망에는 높은 처리 시간이 필요했습니다.