Mạng lưới thần kinh McCulloch-Pitts

Mạng lưới thần kinh McCulloch-Pitts là một mô hình toán học của mạng lưới thần kinh được nhà sinh lý học thần kinh người Mỹ Warren McCulloch và nhà vật lý học Warren Pitts đề xuất vào năm 1943. Mô hình này là một trong những nỗ lực đầu tiên nhằm tạo ra trí tuệ nhân tạo và có tác động đáng kể đến sự phát triển của khoa học máy tính và trí tuệ nhân tạo.

McCulloch và Pitts đã phát triển mô hình của họ dựa trên ý tưởng rằng các tế bào thần kinh trong não hoạt động theo kiểu bật/tắt và có thể được mô tả dưới dạng hai biến số: điện thế hoạt động và độ trễ. Họ đề xuất rằng điện thế hoạt động có thể được biểu diễn dưới dạng hàm của tổng tất cả các điện thế đầu vào và độ trễ có thể được biểu diễn dưới dạng hàm của độ trễ của tất cả các đầu vào.

Ý tưởng này đã hình thành nên cơ sở của mô hình toán học của mạng lưới thần kinh McCulloch-Pitz, bao gồm nhiều nơ-ron kết nối với nhau thông qua các khớp thần kinh. Mỗi nơ-ron có nhiều đầu vào, mỗi đầu vào nhận tín hiệu từ một nơ-ron khác. Tín hiệu được truyền qua mạng thông qua các khớp thần kinh, có trọng số khác nhau quyết định cường độ kết nối giữa các nơ-ron.

Mô hình McCulloch-Pitt là nền tảng cho nhiều mạng lưới thần kinh hiện đại và được sử dụng để giải quyết các vấn đề trong học máy, nhận dạng mẫu, xử lý ngôn ngữ tự nhiên và các lĩnh vực khác. Nó cũng có những ứng dụng thực tế trong y học, ví dụ như để chẩn đoán bệnh hoặc dự đoán kết quả điều trị.

Mạng nơron McCulloch-Pitts McCulloch và Pptts đề xuất mô hình nơron, làm cơ sở cho sự phát triển của mạng nơron nhân tạo. Mạng này bao gồm một số lớp mạng thần kinh, mỗi lớp chứa một số nơ-ron. Mỗi nơ-ron ở đầu vào nhận được N tín hiệu khác nhau (có thể hiểu là tín hiệu “trung gian”) và ở đầu ra nó tạo ra Y các giá trị khác nhau - tín hiệu cho lớp nơ-ron tiếp theo. Các nơ-ron ở lớp đầu tiên nhận tín hiệu đầu vào, là các pixel hình ảnh hoặc đầu vào được mạng xử lý. Dữ liệu đầu vào được nhập thông qua các nơ-ron chiếu. Chúng cung cấp tín hiệu đầu vào cho đầu vào của nơ-ron. Nó vận hành một cơ chế tín hiệu để tạo ra một giá trị khác được sử dụng trong giai đoạn tiếp theo. Quá trình này được lặp lại cho đến khi kết quả đạt độ chính xác yêu cầu. Có mạng truyền thông thần kinh hai lớp và nhiều lớp. Một lớp duy nhất có thể chứa từ hai đến vài trăm liên kết, về mặt lý thuyết ngụ ý khả năng xử lý hàng triệu dữ liệu.