人工神经网络可以发展知识并在执行过程中可能得到意想不到的惊喜这是它的学

人工神经网络可以发展知识并在执行过程中可能得到意想不到的惊喜这是它的学习能力。有三种训练方式：有监督学习（利用带有标签的数据进行训练以预测未知标签从而进行分类或模仿）；无监督学习（利用不带有标签的数据进行训练，规定学习方式或某些规则，而具体学习内容随输入信号情况而异，自动发现环境特征和规律性，具有更近似人脑的功能）；半监督学习（利用部分带有标签和部分不带有标签的数据进行训练）。我们把训练集中的输入全部送给神经网络，并告知输出的分类情况。训练集运行完成后，根据这些例子神经网络会总结出自己的想法，到该怎么归纳具有个黑盒性质。再把测试集中未知分类的例子通过神经网络作测试，如果测试结果准确率符合要求，则神经网络构建成功。即可用此神经网络判断事物分类。

Umělé neuronové sítě mohou rozvíjet znalosti a může dostat nečekané překvapení během provádění, což je jeho schopnost učit se. Existují tři typy školení: učení pod dohledem (školení s označenými daty za účelem předvídání neznámých štítků pro klasifikaci nebo napodobeninu), učení bez dohledu (školení s neoznačenými údaji, předepisování metod učení nebo určitá pravidla a specifický vzdělávací obsah se liší podle vstupních signálů, automatické zjišťování environmentálních charakteristik a pravidelnosti s více podobnými funkcemi lidského mozku); a učení pod dohledem (školení s částečně označenými a částečně neoznačenými údaji). Posíláme všechny vstupy z tréninkové sady do neuronové sítě a řekneme výstup klasifikace. Po dokončení tréninkové sady bude neuronová síť shrnut své vlastní myšlenky podle těchto příkladů, jak zobecnit má povahu černé skříňky. Příklady neznámých klasifikací v testovací sadě byly pak testovány neuronovými sítěmi a pokud přesnost výsledků testů splňovala požadavky, byla neuronová síť úspěšně vytvořena. Můžete použít tuto neuronovou síť k určení klasifikace věcí.

Umělá nervová síť může rozvíjet znalosti a získat nečekané překvapení v procesu implementace, což je její schopnost učení.Existují tři druhy vzdělávacích metod: kontrolované učení (pomocí značených údajů pro výcvik k předvídání neznámých značek pro klasifikaci nebo imitaci); nehlídané učení (použití neoznačených údajů pro výcvik, stanovení metod učení nebo některých pravidel, zatímco obsah specifického učení se liší podle vstupních signálů, automaticky objevující environmentální charakteristiky a pravidla, která jsou více podobná lidskému mozkuFunkce; učení pod částečným dohledem (výcvik s částečnými označenými a částečnými neoznačenými údaji).Pošleme všechny vstupy tréninkové sady do neurální sítě a oznámíme klasifikaci výstupu.Po spuštění tréninkové sady, podle těchto příkladů, neurální síť shrne své vlastní myšlenky o tom, jak vyvolat vlastnost černé skříňky.Pak neznámé klasifikační příklady v testovací sadě jsou testovány neurální sítí. Pokud přesnost výsledků test ů splňuje požadavky, neurální síť je vyrobena úspěšně.Tato neurální síť může být použita k posouzení klasifikace věcí.