Нервна мрежа McCulloch-Pitts

Невронната мрежа на McCulloch-Pitts е математически модел на невронна мрежа, предложен от американския неврофизиолог Уорън Маккълох и физика Уорън Питс през 1943 г. Този модел беше един от първите опити за създаване на изкуствен интелект и имаше значително влияние върху развитието на компютърните науки и изкуствения интелект.

McCulloch и Pitts разработиха своя модел въз основа на идеята, че невроните в мозъка работят по начин на включване/изключване и могат да бъдат описани по отношение на две променливи: потенциал за действие и латентност. Те предложиха потенциалът за действие да бъде представен като функция на сумата от всички входни потенциали, а забавянето може да бъде представено като функция на забавянето на всички входове.

Тази идея е в основата на математическия модел на невронната мрежа McCulloch-Pitz, която се състои от много неврони, свързани помежду си чрез синапси. Всеки неврон има няколко входа, всеки от които получава сигнал от друг неврон. Сигналите се предават по мрежата чрез синапси, които имат различни тегла, които определят силата на връзките между невроните.

Моделът McCulloch-Pitt е основата за много съвременни невронни мрежи и се използва за решаване на проблеми в машинното обучение, разпознаването на образи, обработката на естествен език и други области. Има и практически приложения в медицината, например за диагностициране на заболявания или прогнозиране на резултатите от лечението.

Невронна мрежа McCulloch-Pitts McCulloch и Pptts предложиха модел на неврон, който е в основата на разработването на изкуствени невронни мрежи. Тази мрежа се състои от няколко слоя невронни мрежи, всеки от които съдържа няколко неврона. Всеки неврон на входа получава N различни сигнала (те могат да се разбират като "междинен" сигнал), а на изхода генерира Y различни стойности - сигнали за следващия слой неврони. Невроните в първия слой получават входни сигнали, които са пиксели на изображението или входове, обработени от мрежата. Входните данни се въвеждат чрез проекционни неврони. Те осигуряват входен сигнал към входа на неврона. Той управлява сигнален механизъм за генериране на друга стойност, използвана в следващия етап. Този процес се повтаря, докато резултатът достигне необходимата точност. Има двуслойни и многослойни невронни комуникационни мрежи. Един слой може да съдържа от две до няколкостотин връзки, което теоретично предполага възможност за обработка на милиони данни.