McCulloch-Pitts zenuwnetwerk

Het neurale netwerk van McCulloch-Pitts is een wiskundig model van een neuraal netwerk dat in 1943 werd voorgesteld door de Amerikaanse neurofysioloog Warren McCulloch en natuurkundige Warren Pitts. Dit model was een van de eerste pogingen om kunstmatige intelligentie te creëren en had een aanzienlijke impact op de ontwikkeling van de informatica en kunstmatige intelligentie.

McCulloch en Pitts ontwikkelden hun model gebaseerd op het idee dat neuronen in de hersenen op een aan/uit-manier werken en beschreven kunnen worden in termen van twee variabelen: actiepotentiaal en latentie. Ze stelden voor dat het actiepotentiaal zou kunnen worden weergegeven als een functie van de som van alle ingangspotentialen, en dat de vertraging zou kunnen worden weergegeven als een functie van de vertraging van alle ingangen.

Dit idee vormde de basis van het wiskundige model van het neurale netwerk van McCulloch-Pitz, dat bestaat uit vele neuronen die via synapsen met elkaar verbonden zijn. Elk neuron heeft verschillende ingangen, die elk een signaal van een ander neuron ontvangen. Signalen worden over het netwerk verzonden via synapsen, die verschillende gewichten hebben die de sterkte van verbindingen tussen neuronen bepalen.

Het McCulloch-Pitt-model vormt de basis voor veel moderne neurale netwerken en wordt gebruikt om problemen op het gebied van machinaal leren, patroonherkenning, natuurlijke taalverwerking en andere gebieden op te lossen. Het heeft ook praktische toepassingen in de geneeskunde, bijvoorbeeld voor het diagnosticeren van ziekten of het voorspellen van behandelresultaten.

Neuraal netwerk van McCulloch-Pitts McCulloch en Pptts stelden een model van een neuron voor, dat de basis vormt voor de ontwikkeling van kunstmatige neurale netwerken. Dit netwerk bestaat uit verschillende neurale netwerklagen, die elk meerdere neuronen bevatten. Elk neuron aan de ingang ontvangt N verschillende signalen (ze kunnen worden opgevat als een “tussensignaal”), en aan de uitgang genereert het Y verschillende waarden – signalen voor de volgende laag neuronen. De neuronen in de eerste laag ontvangen invoersignalen, dit zijn beeldpixels of invoer die door het netwerk worden verwerkt. Invoergegevens worden ingevoerd via projectieneuronen. Ze leveren een ingangssignaal aan de ingang van het neuron. Het bedient een signaalmechanisme om een ​​andere waarde te genereren die in de volgende fase wordt gebruikt. Dit proces wordt herhaald totdat het resultaat de vereiste nauwkeurigheid bereikt. Er zijn tweelaagse en meerlaagse neurale communicatienetwerken. Eén enkele laag kan twee tot enkele honderden links bevatten, wat theoretisch de mogelijkheid impliceert om miljoenen gegevens te verwerken.