โครงข่ายประสาทเทียม: การแก้ปัญหา วิถีสมองของมนุษย์ ส่วนที่ 2/3: ข้อมูลเบื้องต้นเกี่ยวกับ AI, ML และตอนนี้คือ Deep Learning ในบทความก่อนหน้านี้ ฉันได้กล่าวถึงความอัศจรรย์มากมายเกี่ยวกับวิธีการทำงานของสมองของเรา รวมถึงความที่สมองของเราสามารถอ่านตัวเลขที่เขียนด้วยลายมือได้อย่างง่ายดายเพียงใด: คอมพิวเตอร์มองว่านี่เป็นการรวมพิกเซลที่แปลกประหลาด สิ่งที่แย่กว่านั้นคือแต่ละตัวเลขสามารถเขียนได้หลายวิธี ดังนั้นการจัดเก็บลำดับพิกเซลจึงไม่เกิดประโยชน์มากนัก..

[Youtube: https://youtu.be/LnsVmZQ2IL8 ] โมเดลโครงข่ายประสาทเทียม (ANN) มักใช้ในการเรียนรู้ของเครื่องเพื่อเป็นแนวทางการเรียนรู้ สาเหตุที่เรียกว่าโครงข่ายประสาทเทียม NN ก็เพราะมันหมายถึงหลักการของโครงข่ายประสาทเทียมทางชีวภาพ ดังแสดงในรูปที่ 1 หนึ่งในคุณสมบัติที่สำคัญของโครงข่ายประสาทเทียมทางชีวภาพคือ ไซแนปส์ ซึ่งก็คือ การเชื่อมต่อระหว่างเซลล์ประสาท เดนไดรต์ส่งสัญญาณอินพุตไปยังเซลล์ประสาท และแอกซอนจะส่งสัญญาณเอาต์พุตผ่านไซแนปส์ไปยังเดนไดรต์ของเซลล์ประสาทอื่นๆ..

การขยายพันธุ์ไปข้างหน้าและการขยายพันธุ์แบบย้อนกลับในโครงข่ายประสาทเทียมคืออะไร การแพร่กระจายไปข้างหน้า: ในการแพร่กระจายไปข้างหน้า อินพุตจะถูกป้อนเข้าสู่โครงข่ายประสาทเทียม และสร้างเอาต์พุต จากนั้นเอาต์พุตนี้จะถูกเปรียบเทียบกับเอาต์พุตที่คาดไว้ และจะมีการคำนวณข้อผิดพลาด จากนั้นข้อผิดพลาดนี้จะถูกส่งกลับผ่านโครงข่ายประสาทเทียมเพื่ออัปเดตน้ำหนักและปรับปรุงความแม่นยำของเครือข่าย การแพร่กระจายแบบย้อนกลับ: ในการแพร่กระจายแบบย้อนกลับ..