AI

Neurale netwerken kunnen worden aangeleerd om orde en chaos aan te pakken

Neurale netwerken kunnen worden aangeleerd om orde en chaos aan te pakken



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.

Een neuraal netwerk is een geavanceerde vorm van kunstmatige intelligentie die de neuronen in onze hersenen nabootst. De sterkte van verbindingen tussen neuronen beïnvloedt de sterkte van de geleide impuls en deze verbindingen kunnen door verschillende factoren worden veranderd. Op een vergelijkbare manier schrijven kunstmatige neuronen biases en numerieke waarden toe aan bepaalde verbindingen tijdens de trainingsfase.

Een nadeel van deze neurale netwerksystemen is dat ze niet goed reageren op chaos, dit wordt ook wel aangeduid als chaos blindheid. Ze kunnen niet voorspellen en kunnen dat ook niet zich aanpassen in aanwezigheid van chaos.

Sloopkogel analogie

Stel je voor dat een sloopkogel rondzwaait. Het heeft zowel kinetische als potentiële energie in het spel. Als we er halverwege een foto van maken, kunnen we niet met zekerheid zeggen waar de sloopkogel naartoe gaat of met welke snelheid. Dit is hoe conventionele neurale netwerken gegevens analyseren. Als we Hamiltoniaanse mechanica implementeren in het begrip van neurale netwerken, kan het de beweging van de bal volledig analyseren, wat betekent dat het kan kijken waar het zich op welk moment bevond en kan bepalen waar het heen zal gaan De volgende.

ZIE OOK: 10 VAN DE BELANGRIJKSTE VERGELIJKINGEN IN DE GESCHIEDENIS

Zoals John Lindner het verwoordt: "De Hamiltoniaan is echt de‘ speciale saus ’die neurale netwerken de mogelijkheid geeft om orde en chaos te leren." Met deze implementatie kunnen we neurale netwerken laten aanpakken moeilijkere problemen en gebruik ze op nieuwe gebieden om ons te helpen.


Bekijk de video: Motivatieproblemen terwijl je werk doet waar je passie voor hebt (Augustus 2022).