:::
人工類神經網路 - 教育百科
| 人 | |
| 工 | |
| 類 | |
| 神 | |
| 經 | |
| 網 | |
| 路 |
國家教育研究院辭書
基本資料
| 英文： | artificial neural networks |
| 作者： | 吳政叡 |
| 日期： | 2012年10月 |
| 出處： | 圖書館學與資訊科學大辭典 |
辭書內容
|
名詞解釋： 人工類神經網路（artificial neural networks）的發展起源於1943年McCulloch和Pitts所提出之人工神經元運作模型，經過約20年的（初期）發展後，在1960年代中期因為遇到難以突破的技術瓶頸而沉寂了約20年，直到1986年由McClelland和Rumelhart提出Back-Propagation Algorithm突破技術瓶頸後，才又開始蓬勃發展至今。人工類神經網路是藉由模擬人類神經系統的基本運作原理與架構來使電腦變得更有智慧，因此人工類神經網路也在人腦所擅長的領域：語音辨識、臉部（或影像）辨識、手寫辨識、分類、預測、記憶聯想等方面有不錯的應用成效。一如人腦，人工類神經網路有如下的優點與特色：（一）自我學習能力：能自行從一堆輸入資料中學習到其中隱藏的規則或模式；（二）容錯能力：其所學習到的規則或模式是散佈儲存於整個網路中，因此小部分的類神經網路損壞，並不會對系統的能力造成太大影響；（三）平行處理能力：適合用來處理許多複雜的非線性問題；（四）自我調整能力：能不斷根據新輸入的資料來調整已學習到的規則或模式。在人工類神經網路的基本架構上，一般是將數個神經元集結成「層」，以最簡單的多層前饋式網路（multilayer feedforward networks）而言，最左邊是輸入節點，中間是數個神經元組成的「隱藏層」（或「中間層」），最右邊是數個神經元組成的「輸出層」。所有的輸入節點會個別連結到「隱藏層」中的各神經元，「隱藏層」中的各神經元也會個別連結到「輸出層」中的各神經元。為了方便以數學方式來處理，所有輸入（節點）的值會以向量（vector）形式來表示，所有從輸入節點到「隱藏層」中各神經元連結的強度會以「權值矩陣」（weight matrix）方式呈現，同樣的從「隱藏層」到「輸出層」所有連結的強度也會形成另一個「權值矩陣」。人工類神經網路的學習方式可分成二大類型：（一）監督式學習（supervised learning）：由外界或訓練者提供每次輸入值的標準答案（或輸出值），類神經網路會根據標準答案與目前輸出值的差異來調整連結各神經元間的權值（即權值矩陣）；（二）非監督式學習（unsupervised learning）：所有輸入值皆無提供標準答案（或輸出值），由類神經網路依據輸入值來調整所有網路間的權值，自行學習到其中隱藏的規則或模式。人工類神經網路的學習是透過調整連結各神經元間權值的形式來達成，所謂的學習規則（learning rules）就是一套指示類神經網路如何根據輸入值來調整其權值的方法或規則，目前主要的學習規則有：Hebbian Learning Rule、Perceptron Learning Rule、Delta Learning Rule、Widrow-Hoff Learning Rule、Correlation Learning Rule、Winner-take-all Learning Rule、Outstar Learning Rule等。人工類神經網路的主要缺點是學習速度緩慢，往往須要運用大量的輸入（或訓練）資料來讓類神經網路學習，而模糊邏輯（fuzzy logic）則有學習速度快但學習能力較為受限的特性，因此近年來的研究經常將人工類神經網路和模糊邏輯合併運用來互補長短。Amari, S. I. (1990). Mathematical Foundations of Neurocomputing. Proceedings of the IEEE, 78(9), 1443-1463.McClelland, T. L., Rumelhart, D. E., & the PDP Research Group (1986). Parallel Distributed Processing. Cambridge: The MIT Press.張斐章、張麗秋（2005）。類神經網路。臺北市：臺灣東華。 |
|
|
參考資料： Amari, S. I. (1990). Mathematical Foundations of Neurocomputing. Proceedings of the IEEE, 78(9), 1443-1463.McClelland, T. L., Rumelhart, D. E., & the PDP Research Group (1986). Parallel Distributed Processing. Cambridge: The MIT Press.張斐章、張麗秋（2005）。類神經網路。臺北市：臺灣東華。 |
|
| 資料來源： | 國家教育研究院_人工類神經網路 |
| 授權資訊： | 資料採「 創用CC-姓名標示- 禁止改作 臺灣3.0版授權條款」釋出 |
我是貓頭鷹博士，
有問題可以問我喔！
有問題可以問我喔！