![Súly - Technológia Súly - Technológia](https://a.continuousdev.com/technology/weight.jpg)
Tartalom
- Meghatározás - Mit jelent a súly?
- Bevezetés a Microsoft Azure és a Microsoft Cloud | A jelen útmutató során megtanulja, mi szól a felhőalapú számítástechnikából, és hogyan segítheti a Microsoft Azure a felhőből történő migrációt és az üzleti vállalkozás futtatását.
- A Techopedia magyarázza a Súlyt
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.
Bevezetés a Microsoft Azure és a Microsoft Cloud | A jelen útmutató során megtanulja, mi szól a felhőalapú számítástechnikából, és hogyan segítheti a Microsoft Azure a felhőből történő migrációt és az üzleti vállalkozás futtatását.
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, rejtett réteget és egy 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 tömegű jeleket adva a neuron axonjától egy másik neuron dendritéig.
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 összefoglalója írta