AI

Neuronale Netze können gelehrt werden, um mit Ordnung und Chaos umzugehen

Neuronale Netze können gelehrt werden, um mit Ordnung und Chaos umzugehen


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Ein neuronales Netzwerk ist eine fortschrittliche Art künstlicher Intelligenz, die die Neuronen in unserem Gehirn nachahmt. Die Stärke der Verbindungen zwischen Neuronen beeinflusst die Stärke des geleiteten Impulses und diese Verbindungen können durch verschiedene Faktoren verändert werden. In ähnlicher Weise weisen künstliche Neuronen bestimmten Verbindungen während der Trainingsphase Verzerrungen und numerische Werte zu.

Ein Nachteil dieser neuronalen Netzwerksysteme ist, dass sie nicht gut auf Chaos reagieren, was auch als bezeichnet wird Chaos Blindheit. Sie können nicht vorhersagen und können nicht anpassen in Gegenwart von Chaos.

Abrissbirnen-Analogie

Stellen Sie sich eine Abrissbirne vor, die herumschwingt. Es hat sowohl kinetische als auch potentielle Energie im Spiel. Wenn wir es mitten im Schwung fotografieren, können wir nicht sicher sagen, wohin die Abrissbirne geht oder mit welcher Geschwindigkeit. So analysieren herkömmliche neuronale Netze Daten. Wenn wir die Hamilton-Mechanik in das Verständnis neuronaler Netze integrieren, kann sie die Bewegung des Balls vollständig analysieren, dh sie kann sehen, wo sie sich zu welcher Zeit befand, und bestimmen wohin es gehen wird Nächster.

SIEHE AUCH: 10 DER WICHTIGSTEN GLEICHUNGEN IN DER GESCHICHTE

Wie John Lindner es ausdrückt: "Der Hamiltonianer ist wirklich die" spezielle Sauce ", die neuronalen Netzen die Fähigkeit gibt, Ordnung und Chaos zu lernen." Mit dieser Implementierung können wir neuronale Netze in Angriff nehmen schwierigere Probleme und nutzen Sie sie in neuartigen Bereichen, um uns zu helfen.


Schau das Video: Künstliche Intelligenz - Philips Doktorarbeit über Neuronale Netze. Phils Physics (Juli 2022).


Bemerkungen:

  1. Rayne

    Ja, gut geschrieben

  2. Nikokazahn

    Ich meine, du liegst falsch. Ich kann meine Position verteidigen.

  3. Shane

    I have not heard this

  4. Fearnhealh

    Es tut mir leid, aber ich glaube, du liegst falsch. Maile mir per PN.

  5. Ziv

    der sehr unterhaltsame Gedanke



Eine Nachricht schreiben