Tartalomjegyzék:
Meghatározás - Mit jelent a súly?
A súly elve alapvető fogalom a mesterséges idegi hálózatokban. A súlyozott bemenetek lehetővé teszik a rendszer minden mesterséges idegsejtjének vagy csomópontjának kapcsolódó kimenetek előállítását. A gépi tanulással és a mesterséges intelligencia projektekkel foglalkozó szakemberek, ahol hasonló rendszerek mesterséges ideghálózatait használják, gyakran a súlyról beszélnek, mind a biológiai, mind a technológiai rendszerek függvényében.
A súlyt szinaptikus súlynak is nevezik.
A Techopedia magyarázza a Súlyt
A mesterséges idegsejtekben a súlyozott bemenetek gyűjteménye az a hordozó, amelyen keresztül a neuron aktivációs funkcióba lép és döntést hoz (akár tüzel, akár nem). A tipikus mesterséges ideghálózatok különböző rétegekkel rendelkeznek, beleértve egy bemeneti réteget, a rejtett rétegeket és a kimeneti réteget. Az egyes neuronok minden rétegnél beveszik ezeket a bemeneteket, és ennek megfelelően súlyozzák őket. Ez szimulálja az egyes neuronok biológiai aktivitását, adott szinaptikus súlyú jeleket küldve egy ideg axonjáról egy másik neuron dendritjeire.
Az informatikai szakemberek felhasználhatják a matematikai egyenleteket és a vizuális modellezési funkciókat annak bemutatására, hogy a szinaptikus súlyokat hogyan használják egy mesterséges idegi hálózatban. A backpropagation nevű rendszerben a bemeneti súlyok megváltoztathatók a kimeneti függvényeknek megfelelően, mivel a rendszer megtanulja, hogyan kell ezeket helyesen alkalmazni. Mindez alapja annak, hogy az ideghálózatok hogyan működnek a kifinomult gépi tanulási projektekben.
Ezt a meghatározást a neurális hálózatok összefüggésében írták le