当您阅读这篇文章时，您身体的哪个器官正在思考它？当然是大脑！但是你知道大脑是如何工作的吗？嗯，它有神经元或神经细胞，它们是大脑和神经系统的主要单位。这些神经元接收来自外部世界的感官输入并进行处理，然后提供可能作为下一个神经元输入的输出。
这些神经元中的每一个都在突触处以复杂的排列与其他神经元相连。现在，您想知道这与人工神经网络有什么关系吗？嗯，人工神经网络是模仿人脑中的神经元建模的。让我们详细了解一下它们是什么以及它们是如何学习信息的。
什么是人工神经网络？
人工神经网络包含称为单元的人工神经元。这些单元排列在一系列层中，这些层共同构成了系统中的整个人工神经网络。一个层可以只有十几个单位或数百万个单位，因为这取决于系统的复杂性。通常，人工神经网络具有输入层、输出层以及隐藏层。输入层接收来自外部世界的数据，神经网络需要分析或学习这些数据。然后这些数据通过一个或多个隐藏层，将输入转换为对输出层有价值的数据。最后，输出层以人工神经网络对所提供输入数据的响应形式提供输出。
在大多数神经网络中，单元从一层互连到另一层。这些连接中的每一个都有决定一个单元对另一个单元的影响的权重。随着数据从一个单元传输到另一个单元，神经网络对数据的了解越来越多，最终导致输出层的输出。
人工神经网络如何学习？
人工神经网络使用训练集进行训练。例如，假设您想教 ANN 识别一只猫。然后它会显示数千张不同的猫图像，以便网络可以学习识别猫。一旦使用猫的图像对神经网络进行了足够的训练，那么您需要检查它是否可以正确识别猫的图像。这是通过让 ANN 通过决定它们是否是猫图像来对它提供的图像进行分类来完成的。人工神经网络获得的输出被人类提供的图像是否是猫图像的描述所证实。如果 ANN 识别错误，则使用反向传播来调整它在训练期间学到的任何东西。反向传播是通过根据获得的错误率微调 ANN 单元中连接的权重来完成的。这个过程一直持续到人工神经网络能够以最小的错误率正确识别图像中的猫。
人工神经网络有哪些类型？
1.前馈神经网络
前馈神经网络是最基本的人工神经网络之一。在这个 ANN 中，提供的数据或输入在一个方向上散乱。它通过输入层进入人工神经网络并通过输出层退出，而隐藏层可能存在也可能不存在。所以前馈神经网络只有前向传播波，通常没有反向传播。
2. 循环神经网络
循环神经网络保存一层的输出，并将这个输出反馈给输入，以更好地预测该层的结果。 RNN 中的第一层与前馈神经网络非常相似，一旦计算出第一层的输出，循环神经网络就会启动。在这一层之后，每个单元都会记住上一步的一些信息，以便它可以在执行计算时充当存储单元。
3. 卷积神经网络
卷积神经网络与前馈神经网络有一些相似之处，其中单元之间的连接具有决定一个单元对另一个单元的影响的权重。但是一个 CNN 有一个或多个卷积层，它们对输入使用卷积运算，然后将得到的结果以输出的形式传递给下一层。 CNN 在语音和图像处理方面有应用，这在计算机视觉中特别有用。
4. 模块化神经网络
模块化神经网络包含一组不同的神经网络，它们独立工作以获取输出，而它们之间没有交互。与其他网络相比，每个不同的神经网络通过获取唯一的输入来执行不同的子任务。这种模块化神经网络的优势在于，它将庞大而复杂的计算过程分解为更小的组件，从而降低了其复杂性，同时仍能获得所需的输出。
5.径向基函数神经网络
径向基函数是那些考虑点与中心距离的函数。 RBF 函数有两层。在第一层，输入被映射到隐藏层中的所有径向基函数，然后输出层在下一步计算输出。径向基函数网络通常用于对表示任何潜在趋势或函数的数据进行建模。
人工神经网络的应用
1. 社交媒体
人工神经网络在社交媒体中被大量使用。例如，让我们以 Facebook 上的“您可能认识的人”功能为您推荐现实生活中可能认识的人，以便您可以向他们发送好友请求。嗯，这种神奇的效果是通过使用人工神经网络来实现的，该网络分析您的个人资料、您的兴趣、您当前的朋友以及他们的朋友和各种其他因素，以计算您可能认识的人。机器学习在社交媒体中的另一个常见应用是面部识别。这是通过在人脸上找到大约 100 个参考点，然后使用卷积神经网络将它们与数据库中已有的参考点进行匹配来完成的。
2. 市场营销
当您登录亚马逊和 Flipkart 等电子商务网站时，他们会根据您之前的浏览记录推荐您购买的产品。同样，假设您喜欢 Pasta，那么 Zomato、Swiggy 等将根据您的口味和之前的订单历史向您推荐餐厅。图书网站、电影服务、酒店网站等所有新时代营销领域都是如此，这是通过实施个性化营销来实现的。这使用人工神经网络来识别客户喜欢、不喜欢、以前的购物历史等，然后相应地定制营销活动。
3. 医疗保健
人工神经网络用于肿瘤学训练算法，该算法可以在微观层面以与受过训练的医生相同的准确度识别癌组织。各种罕见疾病可能表现在身体特征上，并且可以通过对患者照片进行面部分析来识别其早期阶段。因此，人工神经网络在医疗环境中的全面实施，只能提高医学专家的诊断能力，最终导致全球医疗质量的整体提升。
4. 私人助理
我相信你们都听说过 Siri、Alexa、Cortana 等，并且也根据你们拥有的手机听说过它们！！！这些是个人助理和语音识别的一个例子，它使用自然语言处理与用户交互并相应地制定响应。自然语言处理使用人工神经网络来处理这些个人助理的许多任务，例如管理语言句法、语义、正确的语音、正在进行的对话等。