Мак-Каллока-Піттса Нервова Мережа

Мак-Каллок-Піттс нервова мережа (англ. McCulloch-Pitts neural network) — це математична модель нейронної мережі, запропонована американським нейрофізіологом Уорреном Мак-Калоком і фізиком Уорреном Піттсом в 1943 році. Ця модель стала однією з перших спроб створення штучного інтелекту і вплинула на розвиток комп'ютерних наук і штучного інтелекту.

Мак-Калок і Піттс розробили свою модель на основі ідеї, що нейрони в мозку працюють за принципом "включено/вимкнено" і можуть бути описані за допомогою двох змінних: потенціалу дії та затримки. Вони припустили, що потенціал дії може бути представлений як функція від суми всіх вхідних потенціалів, а затримка може бути представлена ​​як функція від затримки всіх вхідних сигналів.

Ця ідея лягла в основу математичної моделі нейронної мережі Мак-Калока-Пітца, яка складається з багатьох нейронів, з'єднаних між собою за допомогою синапсів. Кожен нейрон має кілька входів, кожен із яких отримує сигнал від іншого нейрона. Сигнали передаються через мережу через синапси, які мають різні ваги, які визначають силу зв'язку між нейронами.

Модель Мак-Калока-Пітта є основою для багатьох сучасних нейронних мереж і використовується для вирішення завдань у галузі машинного навчання, розпізнавання образів, обробки природної мови та інших сфер. Вона також має практичне застосування в медицині, наприклад для діагностики захворювань або прогнозування результатів лікування.

Мак-каллок-Піттс нейронна мережа Мак-Калоком та Пптцом була запропонована модель нейрона, яка є основою для розробки штучних нейронних мереж. Ця мережа складається з кількох шарів нейронної мережі, кожен із яких містить кілька нейронів. Кожен нейрон на вході приймає N різних сигналів (їх можна як «проміжний» сигнал), але в виході формує Y різних значень - сигнали наступного шару нейронів. Нейрони першого шару одержують вхідні сигнали, які є пікселями зображення або входами, що обробляються мережею. Вхідні дані вводять через проекційні нейрони. Вони подають вхідний сигнал на вхід нейрона. У ньому працює механізм сигналу для формування іншого значення, що використовується на наступному ступені. Цей процес повторюється до того часу, поки результат досягне необхідної точності. Існують двошарові та багатошарові мережі нейронного зв'язку. В одному шарі можуть утримуватись від двох до декількох сотень зв'язків, що теоретично передбачає можливість обробляти мільйони даних.