Neuron

Kapcsolódó fogalmak: 
neurális háló
Kapcsolódó könyvfejezetek: 
1.2. A mesterséges intelligencia alapjai
Rövid szöveges bemutatás: 
Az agy az ember elsődleges információ feldolgozó egysége. Képes tanulni, nagyságrendekkel gyorsabb, mint a jelenlegi processzorok, hibatűrő képessége kiemelkedő. Az agy fő feldolgozó egységei a neuronok (1.sz. ábra). Az emberi idegrendszer kb5 milliárd neuront tartalmaz.
A tartalom szövege (HTML): 
Neuron

 

#IM1#Kepek/neuron_mukodese#IM2#1.sz. ábra#IM3#A neuron felépítése#IM4#
 
Az agyi neuronok bemenetei a dendritek, amelyek más neuronokhoz csatlakoznak. A tényleges feldolgozást a neuron tulajdonképpeni sejtmagja végzi, és az eredményét az axonon keresztül juttatja el a többi neuronhoz. Az axon végződései több másik neuron dendritjeihez csatlakozhatnak. Az idegrendszer további részei a neuronok mellett a gliasejtek, amelyek tápláló és védő funkciót töltenek be (az utóbbi idők kutatásai szerint egyéb a feldolgozást is segítő funkcióik is vannak). A biológiai kutatások eredményeképpen egyre többet tudhatunk meg a neuronok és az agy felépítéséről, működéséről. Ezeknek kutatásoknak az eredményeit felhasználva műszaki analógiák sorát lehetünk képesek megalkotni amelyek, mint számos példa bizonyítja, használhatóak is lehetnek. A neuronokból álló hálózatokat nevezzük neurális hálózatoknak. A neuronok egyforma, vagy hasonló típusú műveleteket végeznek. Egy hálózatban ezeket a műveleteket a többi neurontól függetlenül, lokálisan végzik. Egy neuron nagyon sok másik neuronnal lehet összekapcsolva, és mivel a modell a biológiai működés analógiájára készült, ezek a hálózatok tanulni is képesek. Tehát a neurális hálózatok olyan információ-feldolgozó eszközök, amelyek párhuzamos, elosztott működésre képesek. Lokális feldolgozást végző neuronokból állnak, képesek tanulni, és a megtanult információt felhasználni. Megvalósításuk szerint lehetnek hardver, szoftver, vagy akár a kettő kombinációja is. A neurális hálózatok tehát a neuronok különböző összekapcsolásaiból állnak. Általában egy irányított gráffal írhatjuk le őket. Ebben a gráfban a csomópontok az egyes neuronok, az irányok pedig a kimenetektől a bemenetek felé mutatnak. A neuron egy hálózaton belül általában csak meghatározott számú neuronnal vannak összekötve, és ez a kapcsolat általában egyirányú. Ezért a hálózatokat különböző rétegekre lehet bontani az összekötések szerint. Az egyes rétegekhez tartozó neuronok az előző réteg neuronjainak kimenetével, vagy a bemenettel, illetve a következő réteg bemenetével vannak összekötve.
·        Bemeneti réteg: azok a neuronok találhatók itt, amelyek a bemeneti jel továbbítását végzik a hálózat felé. A legtöbb esetben nem jelöljük őket külön.
·        Rejtett réteg: a feldolgozást végző neuronok tartoznak ide. Egy hálózaton belül több rejtett réteg is előfordulhat.
·        Kimeneti réteg: az itt található neuronok a külvilág felé továbbítják az információt. A feladatuk ugyanaz, mint a rejtett rétegbeli neuronoké.
 
A neuronokat a hálózatokon belüli elhelyezkedésük alapján általában három csoportba sorolhatjuk.
·        bementi neuronok (nem minden irodalom jelöli őket): ezek a neuronok csak jeltovábbítást, a neuronok meghajtását végzik.
·        rejtett neuronok: mind a bemeneteik, mind a kimenetük valamely más neuronhoz csatlakozik.
·        kimeneti neuronok: a külvilág felé továbbítják az információt, jellegükben és feladatukban nem különböznek a többi neurontól.
 
A neurális hálózatok előnyei:
  • A hálózat a feladathoz alkalmazkodik „tanul”.
  • Nincs szükség a hagyományos értelemben vett programozásra.
  • A memória szétosztott, a párhuzamosság elvileg nagyobb sebességet tehet lehetővé.
  • Fejlesztésük, vagy szimulációjuk bizonyos mérvű egyszerűséggel végezhető.
  • Komplex alkalmazásokhoz, a Neumann-elvű gépek, szimulátorok,vagy gyorsító kártyák segítségével használható.
 
Hátrányok:
  • A kapott eredmények gyakran nehezen értelmezhetők- a hálózat olyan fekete doboz, amelybe nincsen betekintésünk, tehát a működés eredményességét statisztikai módszerekkel kell mérni. Ez sok potenciális felhasználóban bizonytalanságot kelt.
  • A teljesítmény nagyban függ az adatok előfeldolgozásától, a neurális hálózat számára történő prezentációtól.
Kapcsolódó irodalmak
#B1#
Pléh Csaba
 
2002
Agy és tudat
Budapest
BIP Kiadó
 
#B2#
 
#B1#
Horváth Gábor
 
1998
Neurális hálózatok és műszaki alkalmazásaik
Budapest
Műegyetemi Kiadó
 
#B2#
 
#B1#
Vörös Gábor
 
1997
Bevezetés a Neurális számítástechnikába
 
LSI Informatikai Oktatóközpont Alapítvány
 
#B2#
kidolgozó
Szalontai Eszter (SE, eszter.szal@gmail.com)