INTRODUCTION The study of the human

INTRODUCTION The study of the human brain is thousands of years old. With the advent of modern electronics, it was only natural to try to harness this thinking process. The first step toward artificial neural networks came in 1943 when Warren McCulloch, a neurophysiologist, and a young mathematician, Walter Pitts, wrote a paper on how neurons might work. They modeled a simple neural network with electrical circuits. Neural networks, with their remarkable ability to derive meaning from complicated or imprecise data, can be used to extract patterns and detect trends that are too complex to be noticed by either humans or other computer techniques. A trained neural network can be thought of as an "expert" in the category of information it has been given to analyse. Other advantages include:
1. Adaptive learning: An ability to learn how to do tasks based on the data given for training or initial experience.
2. Self-Organisation: An ANN can create its own organisation or representation of the information it receives during learning time.
3. Real Time Operation: ANN computations may be carried out in parallel, and special hardware devices are being designed and manufactured which take advantage of this capability.
4. Fault Tolerance via Redundant Information Coding: Partial destruction of a network leads to the corresponding degradation of performance. However, some network capabilities may be retained even with major network damage.
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 (neurons) 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

ผลลัพธ์ (ไทย) 1:

แนะนำการศึกษาสมองของมนุษย์เป็นพัน ๆ ปี กับการถือกำเนิดของอิเล็กทรอนิกส์สมัยใหม่ มันเป็นเพียงธรรมชาติเพื่อพยายามควบคุมกระบวนการคิดนี้ เครือข่ายประสาทเทียมก้าวแรกมาในปี 1943 เมื่อ Warren McCulloch การ neurophysiologist และนักคณิตศาสตร์หนุ่ม วอลเตอร์ Pitts เขียนกระดาษบนเซลล์ประสาทอาจทำงานอย่างไร พวกเขาจำลองเครือข่ายประสาทแบบง่าย ๆ กับวงจรไฟฟ้า เครือข่ายประสาท มีความสามารถโดดเด่นเพื่อสืบทอดความหมายจากข้อมูลที่ซับซ้อน และไม่แม่นยำ ใช้เพื่อแยกรูปแบบ และตรวจสอบแนวโน้มที่ซับซ้อนเกินกว่าจะสังเกตได้จากมนุษย์หรือเทคนิคคอมพิวเตอร์อื่น ๆ เครือข่ายประสาทที่ผ่านการฝึกอบรมสามารถถือได้ว่า เป็นการ "เชี่ยวชาญ" ในประเภทของข้อมูลที่ได้รับการวิเคราะห์ ข้อดีอื่น ๆ ได้แก่:1. ปรับเปลี่ยนการเรียนรู้: สามารถเรียนรู้วิธีการทำงานตามข้อมูลที่ให้ประสบการณ์การฝึกอบรม หรือเริ่มต้น2. องค์กรตนเอง: ANN สามารถสร้างองค์กรหรือเป็นตัวแทนของข้อมูลที่ได้รับในระหว่างการเรียนรู้เวลาของตัวเอง3. เวลาจริงการดำเนินการ: แอนประมวลผลอาจจะดำเนินการขนาน และอุปกรณ์ฮาร์ดแวร์พิเศษถูกออกแบบ และผลิตที่ใช้ประโยชน์จากความสามารถนี้4. ยอมรับข้อบกพร่องผ่านการเข้ารหัสข้อมูลซ้ำซ้อน: ทำลายบางส่วนของเครือข่ายที่นำไปสู่การเสื่อมสภาพที่สอดคล้องกันของประสิทธิภาพการทำงาน อย่างไรก็ตาม ความสามารถในบางเครือข่ายอาจถูกรักษาแม้จะ มีความเสียหายของเครือข่ายหลักเครือข่ายประสาทใช้วิธีต่าง ๆ เพื่อแก้ปัญหาที่คอมพิวเตอร์ทั่วไป เป็นอัลกอริทึมคอมพิวเตอร์ทั่วไปใช้วิธีเช่นนี้คอมพิวเตอร์ชุดคำสั่งเพื่อแก้ปัญหา เว้นแต่ที่เป็นที่รู้จักเฉพาะขั้นตอนที่คอมพิวเตอร์จำเป็นต้องทำตาม คอมพิวเตอร์ไม่สามารถแก้ปัญหา จำกัดความสามารถของคอมพิวเตอร์ทั่วไปปัญหาในการแก้ปัญหาที่เราเข้าใจ และรู้วิธีแก้แล้ว แต่คอมพิวเตอร์จะมีประโยชน์มากขึ้นถ้าพวกเขาสามารถทำสิ่งที่ เราไม่ทราบว่าวิธีการทำ เครือข่ายประสาทประมวลผลข้อมูลในลักษณะคล้ายสมองมนุษย์ไม่ เครือข่ายประกอบด้วยจำนวนมากขององค์ประกอบกระบวนการเชื่อมต่อสูงประสาท) ทำงานควบคู่กันเพื่อแก้ปัญหาเฉพาะเจาะจง เครือข่ายประสาทเรียนรู้ตามตัวอย่าง พวกเขาไม่สามารถตั้งโปรแกรมให้ทำงานบางอย่าง ตัวอย่างต้องเลือกอย่างรอบคอบมิฉะนั้นเสียเวลา หรือแม้แต่เลว เครือข่ายอาจเป็นการทำงานอย่างไม่ถูกต้อง ข้อเสียคือ ว่า เนื่องจากเครือข่ายค้นหาวิธีการแก้ปัญหา ด้วยตัวเอง การทำนายได้ บนมืออื่น ๆ คอมพิวเตอร์ทั่วไปใช้วิธีการทางปัญญาในการแก้ปัญหา วิธีจะแก้ไขปัญหาต้องรู้จักกัน และระบุไว้ในคำแนะนำชัดเจนเล็ก คำแนะนำเหล่านี้อยู่แล้ว

ผลลัพธ์ (ไทย) 2:

บทนำการศึกษาของสมองของมนุษย์เป็นพัน ๆ ปีเก่า กับการถือกำเนิดของเครื่องใช้ไฟฟ้าที่ทันสมัย, มันเป็นธรรมชาติเท่านั้นที่จะพยายามที่จะควบคุมกระบวนการคิดนี้ ขั้นตอนแรกสู่เครือข่ายประสาทเทียมมาในปี 1943 เมื่อวอร์เรนแมคคัลประสาทสรีรวิทยาและหนุ่มนักคณิตศาสตร์, วอลเตอร์พิตส์เขียนกระดาษเกี่ยวกับวิธีการเซลล์ประสาทอาจทำงาน พวกเขาสร้างแบบจำลองเครือข่ายประสาทที่เรียบง่ายกับวงจรไฟฟ้า โครงข่ายประสาทเทียมที่มีความสามารถที่โดดเด่นของพวกเขาที่จะได้รับหมายจากข้อมูลที่ซับซ้อนหรือไม่แน่ชัดสามารถนำมาใช้เพื่อดึงรูปแบบและแนวโน้มที่มีความซับซ้อนมากเกินไปที่จะสังเกตเห็นโดยมนุษย์หรือเทคนิคคอมพิวเตอร์อื่น ๆ เครือข่ายประสาทผ่านการฝึกอบรมสามารถจะคิดว่าเป็น "ผู้เชี่ยวชาญ" ในหมวดหมู่ของข้อมูลจะได้รับการวิเคราะห์ ข้อดีอื่น ๆ ได้แก่ :
1 การเรียนรู้การปรับตัว: ความสามารถในการเรียนรู้วิธีการดำเนินงานบนพื้นฐานของข้อมูลที่ได้รับการฝึกอบรมหรือประสบการณ์ครั้งแรก.
2 องค์การตัวเอง: การ ANN สามารถสร้างองค์กรของตัวเองหรือเป็นตัวแทนของข้อมูลที่ได้รับในช่วงเวลาการเรียนรู้.
3 การดำเนินงานแบบ Real Time:. คำนวณ ANN อาจจะดำเนินการในแบบคู่ขนานและอุปกรณ์ฮาร์ดแวร์พิเศษที่ได้รับการออกแบบและผลิตที่ใช้ประโยชน์จากความสามารถนี้
4 ยอมรับความผิดผ่านข้อมูลซ้ำซ้อน Coding: ทำลายบางส่วนของเครือข่ายที่นำไปสู่การสลายตัวที่สอดคล้องกันของผลการดำเนินงาน แต่บางความสามารถของเครือข่ายอาจถูกเก็บรักษาไว้แม้จะมีความเสียหายเครือข่ายหลัก.
โครงข่ายประสาทเทียมจะใช้วิธีการที่แตกต่างกันในการแก้ปัญหาที่เกิดขึ้นกว่าคอมพิวเตอร์ทั่วไป คอมพิวเตอร์ทั่วไปใช้วิธีการเช่นอัลกอริทึมคอมพิวเตอร์ตามชุดคำสั่งเพื่อที่จะแก้ปัญหา เว้นแต่ขั้นตอนที่ระบุว่าคอมพิวเตอร์ต้องปฏิบัติตามเป็นที่รู้จักคอมพิวเตอร์ไม่สามารถแก้ปัญหาได้ ที่ จำกัด การแก้ปัญหาความสามารถในการคอมพิวเตอร์ทั่วไปปัญหาที่เราแล้วเข้าใจและรู้วิธีที่จะแก้ปัญหา แต่คอมพิวเตอร์จะให้ประโยชน์มากขึ้นถ้าพวกเขาสามารถทำสิ่งที่เราไม่ทราบว่าวิธีการทำ ประมวลผลข้อมูลโครงข่ายประสาทเทียมในลักษณะที่คล้ายสมองของมนุษย์ไม่ เครือข่ายจะประกอบด้วยจำนวนมากที่เชื่อมต่อกันอย่างมากในการประมวลผลองค์ประกอบ (เซลล์) ทำงานควบคู่ไปกับการแก้ปัญหาที่เฉพาะเจาะจง โครงข่ายประสาทเทียมเรียนรู้จากตัวอย่าง พวกเขาไม่สามารถตั้งโปรแกรมให้ดำเนินงานที่เฉพาะเจาะจง ตัวอย่างที่จะต้องเลือกอย่างระมัดระวังมิฉะนั้นเวลาที่มีประโยชน์จะเสียหรือแม้แต่เลวเครือข่ายอาจจะทำงานไม่ถูกต้อง ข้อเสียคือเนื่องจากเครือข่ายพบว่าวิธีการแก้ปัญหาด้วยตัวเองการดำเนินการของมันสามารถคาดเดาไม่ได้ บนมืออื่น ๆ , คอมพิวเตอร์ทั่วไปใช้วิธีการองค์ความรู้ในการแก้ปัญหา วิธีการที่จะแก้ปัญหาที่จะต้องรู้จักและที่ระบุไว้ในคำแนะนำที่ชัดเจนขนาดเล็ก คำแนะนำเหล่านี้แล้ว