Inhalt
- Definition - Was bedeutet künstliches neuronales Netzwerk (ANN)?
- Eine Einführung in Microsoft Azure und die Microsoft Cloud | In diesem Handbuch erfahren Sie, worum es beim Cloud-Computing geht und wie Microsoft Azure Sie bei der Migration und Ausführung Ihres Unternehmens aus der Cloud unterstützen kann.
- Techopedia erklärt künstliches neuronales Netzwerk (ANN)
Definition - Was bedeutet künstliches neuronales Netzwerk (ANN)?
Ein künstliches Neuronennetz (ANN) ist ein Rechenmodell, das auf der Struktur und den Funktionen biologischer neuronaler Netze basiert. Informationen, die durch das Netzwerk fließen, wirken sich auf die Struktur des ANN aus, da sich ein neuronales Netzwerk basierend auf dieser Eingabe und Ausgabe ändert oder in gewissem Sinne lernt.
ANNs werden als nichtlineare statistische Datenmodellierungswerkzeuge betrachtet, bei denen die komplexen Beziehungen zwischen Eingaben und Ausgaben modelliert oder Muster gefunden werden.
ANN ist auch als neuronales Netzwerk bekannt.
Eine Einführung in Microsoft Azure und die Microsoft Cloud | In diesem Handbuch erfahren Sie, worum es beim Cloud-Computing geht und wie Microsoft Azure Sie bei der Migration und Ausführung Ihres Unternehmens aus der Cloud unterstützen kann.
Techopedia erklärt künstliches neuronales Netzwerk (ANN)
Ein ANN hat mehrere Vorteile, aber einer der bekanntesten ist die Tatsache, dass er tatsächlich aus der Beobachtung von Datensätzen lernen kann. Auf diese Weise wird ANN als Zufallsfunktions-Approximationswerkzeug verwendet. Mit diesen Tools können Sie die kostengünstigsten und idealsten Methoden für die Lösungsfindung bei der Definition von Computerfunktionen oder -verteilungen abschätzen. ANN entnimmt Datenproben und nicht ganze Datensätze, um zu Lösungen zu gelangen. Dies spart Zeit und Geld. ANNs gelten als relativ einfache mathematische Modelle zur Verbesserung bestehender Datenanalysetechnologien.
ANNs bestehen aus drei Schichten, die miteinander verbunden sind. Die erste Schicht besteht aus Eingangsneuronen. Diese Neuronen geben Daten an die zweite Schicht weiter, die wiederum die Ausgangsneuronen an die dritte Schicht weiterleitet.
Das Trainieren eines künstlichen neuronalen Netzwerks umfasst die Auswahl aus zulässigen Modellen, für die mehrere Algorithmen zugeordnet sind.