인공 신경망 (ANN)은 신경 세포가 복잡한 패턴으로 연결되어 감각의 데이터를 처리하고 기억을 확립하며 신체를 제어하는 뇌에서 모델링됩니다. 인공 신경망 (ANN)은 생물학적 신경망의 작동을 기반으로하는 시스템이거나 생물학적 신경 시스템의 에뮬레이션으로도 정의됩니다.
인공 신경망
ANN (인공 신경망)은 인공 지능 (AI)의 일부이며 이것은 컴퓨터 과학 분야 컴퓨터가 더 지능적으로 작동하도록 만드는 것과 관련이 있습니다. 인공 신경망 (ANN)은 데이터를 처리하고 일부 지능을 보여 주며 패턴 인식, 학습 및 일반화와 같은 방식으로 지능을 보여줍니다.
인공 신경망은 인간 두뇌의 신경 구조와 기능을 복제하는 것을 목표로하는 프로그래밍 된 계산 모델입니다.
인공 신경망에 대해 알기 전에 먼저 신경망이 무엇인지, 그리고 신경망의 구조에 대해서도 연구해야합니다.
신경망의 정의 :
신경망은 상호 연결된 뉴런의 시스템으로 정의됩니다. 뉴런 또는 신경 세포는 생물학적 신경망 인 뇌의 기본 구성 요소입니다. Neuron의 구조는 아래와 같습니다.
뉴런의 구조
인공 신경망은 뇌를 모델로 한 계산 도구입니다. 데이터 전송을위한 경로로 기능하는 인공적으로 생성 된 뉴런의 상호 연결된 구조로 구성됩니다. 연구원들은 패턴 인식, 예측, 최적화, 연관 기억 및 제어와 관련된 다양한 문제를 해결하기 위해 인공 신경망 (ANN)을 설계하고 있습니다.
인공 신경망은 상호 연결된 뉴런을 형성하는 두 번째로 좋은 방법으로 설명되었습니다. 이러한 인공 신경망은 뇌를 모델링하고 특정 계산 작업을 수행하는 데 사용됩니다. 성공적인 ANN 응용 프로그램은 문자 인식 기능을 갖습니다.
신경망 구조
신경망 소개 :
컴퓨팅 시스템은 여러 개의 단순하고 고도로 상호 연결된 처리 요소로 구성되어 있으며 동적 상태 응답을 통해 외부 입력으로 정보를 처리합니다. 뉴런은 선형 또는 비선형 응답을 생성 할 수 있습니다. 비선형 인공 네트워크는 비선형 뉴런의 상호 연결에 의해 만들어집니다. 비선형 시스템에는 출력에 비례하지 않는 입력이 있습니다.
신경망 소개
인공 신경망의 응용 :
- 인공 신경망 응용 프로그램은 태양열 증기 생성 플랜트의 모델링 및 설계를 위해 태양 에너지 분야에서 사용되었습니다.
- 복잡한 매핑 및 시스템 식별 구현과 같은 시스템 모델링에 유용합니다.
- ANN은 건물의 난방 부하, 포물선 수집기의 차단 계수 및 국소 집중 비율을 추정하는 데 사용됩니다.
- ANN은 제어, 로봇 공학, 패턴 인식, 예측, 의학, 전력 시스템, 제조, 최적화, 신호 처리 및 사회 / 심리 과학의 다양한 응용 분야에서 사용됩니다.
- 또한 자연 환기 테스트 실의 공기 흐름을 예측하고 태양열 건물의 에너지 소비량을 예측하는데도 사용되었습니다.
- 노이즈가 많고 불완전한 데이터를 처리 할 수 있으며 비선형 문제도 처리 할 수 있습니다.
- 환기 및 공조 시스템, 냉장, 모델링, 난방, 부하 예측, 발전 시스템 제어 및 태양 복사에서 인공 신경망 사용.
인공 신경망 애플리케이션은 최신 신호 처리 기술 중 하나이기 때문에 복잡한 문제를 해결할 수있는 대체 방법을 제공하며, 인공 신경망은 다른 기술과 비교하기 어려운 실제 솔루션을 제공합니다. 신경망 기반 솔루션은 개발, 시간 및 리소스 측면에서 매우 효율적입니다.
신경망의 소프트웨어 구현은 장점과 단점으로 만들 수 있습니다.
장점 :
- 신경망은 선형 프로그램이 수행 할 수없는 작업을 수행 할 수 있습니다.
- 신경망의 요소가 실패하면 병렬 특성으로 인해 문제없이 계속 될 수 있습니다.
- 신경망은 스스로 학습 할 때 다시 프로그래밍 할 필요가 없습니다.
- 문제없이 쉽게 구현할 수 있습니다.
- 적응 형 지능형 시스템 인 신경망은 강력하며 복잡한 문제를 해결하는 데 탁월합니다. 신경망은 프로그래밍에서 효율적이며 과학자들은 ANN 사용의 이점이 위험보다 크다는 데 동의합니다.
- 모든 애플리케이션에서 구현할 수 있습니다.
단점 :
- 그만큼 신경망 작동하려면 교육이 필요합니다.
- 대규모 신경망의 경우 높은 처리 시간이 필요합니다.
- 신경망의 아키텍처는 마이크로 프로세서의 아키텍처와 역사 그래서 그들은 에뮬레이션되어야합니다.
인공 신경망은 일반적으로 학습 규칙으로 알려진 기준을 최적화하는 체계적인 단계별 절차로 개발됩니다. 입력 / 출력 훈련 데이터는 최적의 작동 지점을 찾는 데 필요한 정보를 전달하므로 이러한 네트워크의 기본입니다. 신경망의 비선형 특성은 처리 요소를 시스템에서 유연하게 만듭니다.
인공 신경망은 시스템이고이 시스템은 입력을 받아 데이터를 처리하고 출력을 제공하는 구조입니다. 데이터 배열의 입력은 WAVE 사운드, 이미지 파일의 데이터 또는 배열로 표현할 수있는 모든 종류의 데이터입니다. 입력이 신경망에 제시되면 필요한 대상 응답이 출력에 설정되고 실제 시스템의 출력과 함께 원하는 응답의 차이에서 오류가 발생합니다. 오류 정보는 시스템에 피드백되고 일반적으로 학습 규칙으로 알려진 체계적인 순서로 매개 변수를 많이 조정합니다. 이 프로세스는 원하는 출력이 승인 될 때까지 반복됩니다.
성능은 데이터에 크게 좌우되므로 데이터는 DSP 알고리즘과 같은 타사 알고리즘으로 사전 처리되어야합니다.
인공 신경망의 이점 :
- 인공 신경망은 유연하고 적응력이 있습니다.
- 인공 신경망은 시퀀스 및 패턴 인식 시스템, 데이터 처리, 로봇 공학, 모델링 등에 사용됩니다.
- ANN은 내부 및 외부 매개 변수에 적응하여 주변 환경에서 지식을 습득하고 관리하기 어려운 복잡한 문제를 해결합니다.
- 알 수없는 상황에 대한 적절한 응답을 생성하기 위해 지식을 일반화합니다.
- 유연성 – 인공 신경망은 유연하며 결과를 바탕으로 상황을 학습, 일반화 및 적응할 수있는 능력이 있습니다.
- 비선형 성 –이 기능을 사용하면 네트워크가 학습을 통해 효율적으로 지식을 습득 할 수 있습니다. 이는 비선형 데이터를 모델링 할 때 부적절했던 기존의 선형 네트워크에 비해 뚜렷한 이점입니다.
- 인공 뉴런 네트워크는 기존 네트워크보다 내결함성이 더 뛰어납니다. 저장된 데이터의 손실없이 네트워크는 모든 구성 요소에서 오류를 다시 생성 할 수 있습니다.
- 인공 뉴런 네트워크는 적응 형 학습을 기반으로합니다.
인공 신경망의 유형 :
다양한 유형의 ANN (인공 신경망)이 있습니다. 인간의 뇌 신경 및 네트워크 기능에 따라 인공 신경망 또는 ANN이 유사한 방식으로 작업을 수행합니다. 대부분의 인공 신경망은 더 복잡한 생물학적 대응 물과 일부 유사하며 예를 들어 의도 된 작업에 매우 효과적입니다. 세분화 또는 분류. 인공 신경망의 유형
인공 신경망의 유형
피드백 ANN- 이러한 유형의 ANN에서 출력은 내부적으로 최상의 결과를 얻기 위해 네트워크로 다시 돌아갑니다. 피드백 네트워크는 자체적으로 정보를 피드백하고 최적화 문제를 해결하는 데 매우 적합하다고 Lowell 대기 연구 센터 인 Massachusetts 대학에 따르면. 피드백 ANN은 내부 시스템 오류 수정에 사용됩니다.
피드 포워드 ANN – 피드 포워드 네트워크는 입력 레이어, 출력 레이어 및 하나 이상의 뉴런 레이어로 구성된 간단한 신경망으로, 입력을 검토하여 출력을 평가하여 그룹 행동을 기반으로 네트워크의 힘을 알 수 있습니다. 연결된 뉴런과 출력이 결정됩니다. 이 네트워크의 주요 장점은 입력 패턴을 평가하고 인식하는 방법을 학습한다는 것입니다.
분류 예측 ANN – 피드 포워드 ANN의 하위 집합이며 분류 예측 ANN이 데이터 마이닝 시나리오에 적용됩니다. 네트워크는 특정 패턴을 식별하고 특정 그룹으로 분류 한 다음 네트워크에 새로 도입 된 '새로운 패턴'으로 추가 분류하도록 훈련되었습니다.
인공 신경망은 생물학적 신경망의 계산 시뮬레이션으로, 신경 세포의 행동과 손에있는 신경 말단이나 손의 신경 말단과 같은 입력 사이에서 통신하는 전기 신호 (예 : 반응)를 가지고 있습니다. 빛, 만지거나 열에.
과학자들은 인공 신경망을 설계하고 뉴런이 의미 론적으로 통신하는 방식에 대한 인공 지능을 만드는 연구를하고있었습니다.
신경망 소프트웨어 :
신경망 시뮬레이터는 인공 또는 생물학적 신경망의 동작을 시뮬레이션하는 데 사용되는 소프트웨어 응용 프로그램으로, 하나 또는 제한된 수의 특정 유형의 신경망에 중점을 둡니다. 신경망 시뮬레이션은 종종 다른 데이터 분석에 비해 더 빠르고 정확한 예측을 제공합니다. 이러한 신경망은 데이터 마이닝 프로세스에서 중요한 역할을합니다.
신경망 소프트웨어
일반적으로 독립형이며 다른 소프트웨어에 통합되어야하는 신경망을 생성하지 않습니다. 시뮬레이터에는 일반적으로 훈련 프로세스를 모니터링하기위한 일종의 내장 시각화가 있습니다. 일부 시뮬레이터는 신경망의 물리적 구조도 시각화합니다. 신경망의 개념은 데이터 분석에 널리 사용됩니다. 인공 신경망 소프트웨어의 도움으로 시계열 예측, 함수 근사 및 회귀 분석을 수행 할 수 있습니다. 신경망의 범위는 사실상 무한한 의사 결정, 패턴 인식, 예측, 자동 제어 시스템 그리고 많은 다른 사람들.
신경망은 인간과 유사한 것을 학습 한 후에는 '재 프로그래밍'할 필요가 없습니다.
신경망 시뮬레이션
ANN 개발의 주된 목적과 의도는 기본적인 생물학적 뉴런으로 인공 계산 모델을 설명하는 것이며, 다층 피드 포워드 네트워크를 제시하여 네트워크 아키텍처와 학습 프로세스를 개괄적으로 설명합니다. 인공 신경망은 다른 에너지 생산 분야의 모델링에 사용될 수 있다고 제안됩니다. 인공 신경망의 구현이 필요한 이유는 무엇입니까? 질문이 있으시면 아래에 댓글을 달거나 저희 사이트를 방문하십시오.
사진 크레딧 :
