Neuronale Netze sind eine wichtige Technik der künstlichen Intelligenz und sind ein großer Erfolg auf dem Gebiet des maschinellen Lernens und Mustererkennung. Sie werden manchmal auch in Programmen, die sowohl Mustererkennung und Lernfähigkeit erfordern genutzt . Die häufigste Art der neuronalen Netzes wird als " Backpropagation-Netz " , die der " Trainer ", um das Netz zu trainieren können. Anleitung
1

-Code ein einzelnes Neuron in der Sprache Ihrer Wahl . Die Details der Implementierung variieren, aber jedes Neuron muss in der Lage sein , mehrere Eingänge verbrauchen , gelten ein Gewicht auf verschiedene Eingaben und dann eine " Sigmoidfunktion ", um ein Ergebnis zu erzeugen . Die " Sigmoidfunktion " wird auf das, was das Netz ist so konzipiert, lernen variieren.
2

Erstellen Sie ein Array von "model Neuronen " in der Sprache Ihrer Wahl . Erstellen Sie eine zweite Schicht von Neuronen. Jede Schicht von Neuronen werden Informationen zu einer nachfolgenden Schicht von Neuronen, die weiterhin die Eingänge zu verändern , bis eine Ausgabe Schicht angekommen ist vorbei .
3

Neues Ausgang Schicht, die Sie geben können die Antwort, dass das neuronale Netz sollte produziert haben . An diesem Punkt muss das neuronale Netz zu " backpropagate " die Antwort auf all die vorhergehenden Schichten von Neuronen. Die Neuronen müssen dann einen Fehler berechnen und stellen Sie die Gewichtung für ihre verschiedenen Eingängen .
4

Coach Ihr neuronales Netz , bis es um die entsprechenden Ergebnisse auf einer konsistenten Basis zu produzieren beginnt .
< Br >