1.4 Neural networks versus conventi

1.4 Neural networks versus conventional computers
Neural networks take a different approach to problem solving than that of conventional computers. Conventional computers use an algorithmic approach i.e. the computer follows a set of instructions in order to solve a problem. Unless the specific steps that the computer needs to follow are known the computer cannot solve the problem. That restricts the problem solving capability of conventional computers to problems that we already understand and know how to solve. But computers would be so much more useful if they could do things that we don't exactly know how to do.
Neural networks process information in a similar way the human brain does. The network is composed of a large number of highly interconnected processing elements (neurones) working in parallel to solve a specific problem. Neural networks learn by example. They cannot be programmed to perform a specific task. The examples must be selected carefully otherwise useful time is wasted or even worse the network might be functioning incorrectly. The disadvantage is that because the network finds out how to solve the problem by itself, its operation can be unpredictable.
On the other hand, conventional computers use a cognitive approach to problem solving; the way the problem is to solved must be known and stated in small unambiguous instructions. These instructions are then converted to a high level language program and then into machine code that the computer can understand. These machines are totally predictable; if anything goes wrong is due to a software or hardware fault.
Neural networks and conventional algorithmic computers are not in competition but complement each other. There are tasks are more suited to an algorithmic approach like arithmetic operations and tasks that are more suited to neural networks. Even more, a large number of tasks, require systems that use a combination of the two approaches (normally a conventional computer is used to supervise the neural network) in order to perform at maximum efficiency.

ผลลัพธ์ (ไทย) 1:

1.4 เครือข่ายประสาทเทียบกับคอมพิวเตอร์ทั่วไปเครือข่ายประสาทใช้วิธีต่าง ๆ เพื่อแก้ปัญหามากกว่าที่คอมพิวเตอร์ทั่วไป คอมพิวเตอร์ทั่วไปใช้การ algorithmic วิธีเช่นนี้คอมพิวเตอร์ชุดคำสั่งเพื่อแก้ปัญหา ถ้าทราบว่าขั้นตอนเฉพาะที่คอมพิวเตอร์จำเป็นต้องทำตาม คอมพิวเตอร์ไม่สามารถแก้ปัญหา ที่จำกัดความสามารถของคอมพิวเตอร์ทั่วไปปัญหาการแก้ปัญหาที่เราเข้าใจ และรู้วิธีแก้แล้ว แต่คอมพิวเตอร์จะมีประโยชน์มากถ้าพวกเขาสามารถทำสิ่งที่ เราไม่ทราบว่าวิธีการทำ เครือข่ายประสาทประมวลผลข้อมูลในสมองมนุษย์ไม่ เครือข่ายประกอบด้วยจำนวนองค์ประกอบประมวลผลมกราคมสูง (neurones) ทำงานควบคู่กันเพื่อแก้ปัญหาที่เฉพาะเจาะจง เครือข่ายประสาทขึ้นตัวอย่าง พวกเขาไม่สามารถตั้งโปรแกรมเพื่อทำงานเฉพาะ ตัวอย่างต้องเลือกอย่างรอบคอบมิฉะนั้นประโยชน์สิ้นเปลืองเวลา หรือแย่ เครือข่ายอาจทำงานไม่ถูกต้อง ข้อเสียคือ ว่า เนื่องจากเครือข่ายพบวิธีการแก้ปัญหา ด้วยตัวเอง การดำเนินการสามารถคาดเดาไม่บนมืออื่น ๆ คอมพิวเตอร์ทั่วไปใช้วิธีการรับรู้การแก้ปัญหา วิธีจะแก้ไขปัญหาต้องรู้จัก และระบุไว้ในคำแนะนำเกี่ยวขนาดเล็ก คำแนะนำเหล่านี้แล้วแปลงเป็นโปรแกรมภาษาระดับสูง และ เป็นภาษาเครื่องที่คอมพิวเตอร์สามารถเข้าใจ เครื่องเหล่านี้จะได้ทั้งหมด ถ้าอะไรผิด ได้เนื่องจากความผิดพลาดซอฟต์แวร์หรือฮาร์ดแวร์เครือข่ายประสาทและ algorithmic คอมพิวเตอร์ทั่วไปไม่อยู่ในการแข่งขัน แต่ช่วยเสริม มีงานเหมาะสมขึ้นกับวิธีการ algorithmic เช่นการดำเนินการทางคณิตศาสตร์และการงานที่เหมาะสมขึ้นกับเครือข่ายประสาท มาก งาน จำนวนมากต้องการระบบที่ใช้ทั้งสองวิธี (ปกติคอมพิวเตอร์ทั่วไปจะใช้คุมเครือข่ายประสาท) เพื่อดำเนินการที่มีประสิทธิภาพสูงสุด

ผลลัพธ์ (ไทย) 2:

1.4
โครงข่ายประสาทเทียมเมื่อเทียบกับคอมพิวเตอร์ทั่วไปโครงข่ายประสาทเทียมใช้วิธีการที่แตกต่างกันในการแก้ปัญหากว่าคอมพิวเตอร์ทั่วไป คอมพิวเตอร์ทั่วไปใช้วิธีการขั้นตอนเช่นเครื่องคอมพิวเตอร์ตามชุดคำสั่งเพื่อที่จะแก้ปัญหา เว้นแต่จะได้ทำตามขั้นตอนที่ระบุว่าคอมพิวเตอร์ต้องปฏิบัติตามเป็นที่รู้จักคอมพิวเตอร์ไม่สามารถแก้ปัญหาได้ ที่ จำกัด การแก้ปัญหาความสามารถในการคอมพิวเตอร์ทั่วไปปัญหาที่เราได้เข้าใจและรู้วิธีที่จะแก้ปัญหา แต่คอมพิวเตอร์จะให้ประโยชน์มากขึ้นถ้าพวกเขาสามารถทำสิ่งที่เราไม่ทราบว่าวิธีการทำ.
ประมวลผลข้อมูลเครือข่ายประสาทเทียมในลักษณะที่คล้ายสมองของมนุษย์ไม่ เครือข่ายจะประกอบด้วยจำนวนมากขององค์ประกอบการประมวลผลที่เชื่อมต่อกันสูง (neurones) ทำงานควบคู่ไปกับการแก้ปัญหาที่เฉพาะเจาะจง เครือข่ายประสาทเรียนรู้จากตัวอย่าง พวกเขาไม่สามารถตั้งโปรแกรมในการดำเนินการงานที่เฉพาะเจาะจง ตัวอย่างที่จะต้องเลือกอย่างระมัดระวังเวลาที่มีประโยชน์อย่างอื่นจะเสียหรือแย่ลงเครือข่ายอาจจะมีการทำงานที่ไม่ถูกต้อง ข้อเสียคือว่าเพราะเครือข่ายพบว่าวิธีการแก้ปัญหาด้วยตัวเองการดำเนินงานสามารถคาดเดาไม่.
บนมืออื่น ๆ , คอมพิวเตอร์ทั่วไปใช้วิธีการองค์ความรู้ที่จะแก้ปัญหา วิธีที่ปัญหาได้รับการแก้ไขจะต้องรู้จักและที่ระบุไว้ในคำแนะนำที่ชัดเจนขนาดเล็ก คำแนะนำเหล่านี้จะถูกแปลงแล้วโปรแกรมภาษาระดับสูงและจากนั้นเป็นรหัสเครื่องที่คอมพิวเตอร์สามารถเข้าใจ เครื่องเหล่านี้จะคาดการณ์ได้ทั้งหมด; ถ้ามีอะไรผิดพลาดเกิดจากการความผิดซอฟต์แวร์หรือฮาร์ดแวร์.
เครือข่ายประสาทเทียมและคอมพิวเตอร์อัลกอริทึมแบบเดิมไม่ได้อยู่ในการแข่งขัน แต่เติมเต็มซึ่งกันและกัน มีงานที่มีความเหมาะสมกับวิธีการขั้นตอนเช่นการดำเนินการทางคณิตศาสตร์และงานที่มีความเหมาะสมกับการเป็นเครือข่ายประสาท มากยิ่งขึ้นเป็นจำนวนมากของงานที่ต้องใช้ระบบที่ใช้การรวมกันของทั้งสองวิธี (ปกติคอมพิวเตอร์ทั่วไปจะใช้ในการดูแลเครือข่ายประสาท) เพื่อที่จะดำเนินการที่มีประสิทธิภาพสูงสุด

ผลลัพธ์ (ไทย) 3:

1.4 เครือข่ายประสาทกับคอมพิวเตอร์ทั่วไป
โครงข่ายประสาทเทียมใช้วิธีการที่แตกต่างกันเพื่อแก้ไขปัญหาที่คอมพิวเตอร์ปกติ คอมพิวเตอร์ทั่วไปใช้ขั้นตอนวิธีวิธีการเช่นคอมพิวเตอร์คือชุดของคำแนะนำในการแก้ไขปัญหา นอกจากขั้นตอนที่ระบุว่าคอมพิวเตอร์ต้องปฏิบัติตามรู้จักพิวเตอร์ไม่สามารถแก้ปัญหาได้ที่จำกัดการแก้ไขปัญหาความสามารถของคอมพิวเตอร์ทั่วไป ปัญหาที่เราเข้าใจและรู้วิธีที่จะแก้ปัญหา แต่คอมพิวเตอร์จะมากมีประโยชน์มากขึ้นถ้าพวกเขาสามารถทำสิ่งต่าง ๆ ที่เราไม่ได้รู้วิธีการทำ
ข้อมูลเครือข่ายกระบวนการประสาทในวิธีที่คล้ายกัน สมองของมนุษย์มีเครือข่ายที่ประกอบด้วยจำนวนมากของการประมวลผลสูงเชื่อมโยงองค์ประกอบ ( เซลล์ประสาท ) ทำงานในแบบคู่ขนานเพื่อแก้ไขปัญหาที่เฉพาะเจาะจง โครงข่ายประสาทเทียมเรียนรู้จากตัวอย่าง พวกเขาไม่สามารถเป็นโปรแกรมที่จะดำเนินการงานที่เฉพาะเจาะจง ตัวอย่างจะต้องเลือกอย่างระมัดระวังมิฉะนั้นมีประโยชน์เวลาสูญเปล่าหรือแม้แต่เลวเครือข่ายอาจจะทำงานไม่ถูกต้องข้อเสียคือ เพราะเครือข่ายพบวิธีการแก้ปัญหาด้วยตัวเอง การสามารถคาดเดาไม่ได้
บนมืออื่น ๆ , คอมพิวเตอร์ทั่วไปใช้วิธีการทางปัญญาในการแก้ปัญหา วิธีการแก้ไขปัญหา คือ ต้องรู้จัก และระบุไว้ชัดเจนในขนาดเล็ก คําแนะนําคำแนะนำเหล่านี้จะถูกแปลงให้เป็นโปรแกรมภาษาระดับสูงและเครื่องรหัสที่คอมพิวเตอร์สามารถเข้าใจได้ เครื่องเหล่านี้ทั้งหมดได้ ถ้าอะไรผิดพลาดเนื่องจากเป็นซอฟต์แวร์หรือฮาร์ดแวร์ของคอมพิวเตอร์ขั้นตอนวิธีและ .
โครงข่ายประสาทเทียมแบบไม่ได้อยู่ในการแข่งขัน แต่เติมเต็มซึ่งกันและกันมีงานมีความเหมาะสมกับวิธีการขั้นตอนวิธีแบบการดำเนินการเลขคณิตและงานที่เหมาะกับโครงข่ายประสาทเทียม ยิ่งเป็นจำนวนมากของงานที่ต้องใช้ระบบที่ใช้การรวมกันของทั้งสองวิธี ( โดยปกติคอมพิวเตอร์ทั่วไปใช้กับโครงข่ายประสาทเทียม ) เพื่อทำงานที่ประสิทธิภาพสูงสุด