Ein neuronales Netzwerk ist eine fortschrittliche Art künstlicher Intelligenz, die die in unserem Gehirn vorkommenden Neuronen nachahmt. Die Stärke der Verbindungen zwischen Neuronen beeinflusst die Stärke des durchgeführten Impulses und dieser Verbindungen. kann geändert werden durch verschiedene Faktoren. In ähnlicher Weise weisen künstliche Neuronen bestimmten Verbindungen während der Trainingsphase Verzerrungen und numerische Werte zu.
Ein Nachteil dieser neuronalen Netzwerksysteme ist, dass sie nicht gut auf Chaos reagieren. Dies wird auch als bezeichnet. Chaosblindheit . Sie können nicht vorhersagen und können nicht anpassen in Gegenwart von Chaos.
Abrissbirnen-Analogie
Stellen Sie sich eine herumschwingende Abrissbirne vor. Sie hat sowohl kinetische als auch potenzielle Energie im Spiel. Wenn wir sie während des Schwungs fotografieren, können wir nicht sicher sagen, wohin die Abrissbirne geht oder mit welcher Geschwindigkeit. So konventionellNeuronale Netze analysieren Daten. Wenn wir die Hamilton-Mechanik in das Verständnis neuronaler Netze integrieren, kann sie die Bewegung des Balls vollständig analysieren, dh sie kann sehen, wo sie sich zu welcher Zeit befand und bestimmen. wohin es gehen wird weiter
SIEHE AUCH: 10 DER WICHTIGSTEN GLEICHUNGEN IN DER GESCHICHTE
Wie John Lindner es ausdrückt : „Der Hamiltonianer ist wirklich die 'spezielle Sauce', die neuronalen Netzen die Fähigkeit gibt, Ordnung und Chaos zu lernen.“ Mit dieser Implementierung können wir neuronale Netze in Angriff nehmen. schwierigere Probleme und nutzen Sie sie in neuartigen Bereichen, um uns zu helfen.