广告合作联系QQ:714167618  |    |  客服中心  |  网站导航
当前位置: 首页 » 资讯 » 前沿科技 » 正文

在深度学习中,人工神经网络如何工作?

放大字体  缩小字体 发布日期:2019-07-21   浏览次数:0
核心提示:    定义:人工神经网络(KNN)    KNN是连接在一起的神经元网络。神经元可以被认为是小型数据处理单元。神经网络以人脑
 
  
  定义:人工神经网络(KNN)
  
  KNN是连接在一起的神经元网络。神经元可以被认为是小型数据处理单元。神经网络以人脑为模型。KNN的任务是识别数据记录中的重复模式并对数据进行排序。这允许网络构建模型并形成称为集群的逻辑摘要。特别是在深度学习中,人工神经网络很重要。
 
在深度学习中,人工神经网络如何工作?
  
  人工神经网络的结构和过程
  
  人工神经网络中的神经元排列成层并相互连接。信息通过连接神经元的通道传递。要使神经元响应数据,必须设置权重和阈值。
  
  权重在连接中设置,并确定数据对神经元的影响有多高。阈值确定从哪个加权神经元被激活。这一切都发生在第一层:输入层。
  
  通过通道激活神经元的信息被传递到下一层:激活层。激活层越多,人工神经网络就越能准确地过滤和组织信息。在这种情况下网络非常深入,这就是使用深度学习的原因。当所有不重要的东西都被过滤掉后,输出重要信息。这发生在输出层。
  
  总之,在人工神经网络中,因此调整所提供的数据如何影响神经网络。固定限制确定转发哪些信息以及是否激活了单个神经元。
  
  应用:人工神经网络的多种应用
  
  与此同时,KNN用于各种领域进行信息处理。在业界,许多应用领域中的一些是质量控制,分类和机器人控制。神经网络对于语音和图像识别也是必不可少的。例如,只有通过人工神经网络,谷歌搜索才能在搜索单词“cat”时播放7500万张猫图像。在人工智能领域,人工神经网络提供信息的预构建和分组。
 
 
[ 资讯搜索 ]  [ ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ]

 
0条 [查看全部]  相关评论

 
推荐图文
推荐资讯
点击排行