Smrt a umírání

Smrt a umírání – Stanislav Grof

Pojednání českého psychiatra Stanislava Grofa o smrti a umírání jakožto multikulturního fenoménu v psychologických, filosofických a duchovních aspektech.

Stáhnout text v pdf !

Neuronové sítě

Neuronové sítě

V technickém slova smyslu si lze neuronovou síť představit složenou z několika navzájem propojených vrstev, přičemž každá vrstva se skládá z jiného počtu funkčních buněk – neuronů. Vlastní funkcí takové sítě je v podstatě transformace, která přiřazuje určité vstupní hodnotě hodnotu výstupní. U sítí s více vrstvami, převážně platí pravidlo, že první vrstva je větvící, což znamená, že jednotlivé neurony ve vstupní vrstvě pouze distribuují tyto vstupní hodnoty do dalších vrstev. Počet neuronů v jednotlivých vrstvách a počet vrstev je variabilní a vytváří tak složitost této sítě, která se poté může zabývat mnohem složitějšími výpočty.

Neuronové sítě mají schopnost se učit, což spočívá právě v možnosti měnit všechny váhy v síti podle vhodných algoritmů na rozdíl od sítí biologických, kde je schopnost se učit založena na tvorbě nových spojů mezi neurony. Fyzicky jsou sice tyto schopnosti se učit rozdílné, ale z hlediska logiky nikoliv.

Nově vytvořená neuronová síť neumí rozeznávat, proto se musí pro další použití naučit pomocí speciálních algoritmů, které se většinou dělí na aktivační (vybavovací) a adaptační (učící). K naučení sítě je potřeba takzvané trénovací množiny, což je skupina vektorů, obsahujících informace o daném problému pro učení.

Neuronové sítě jsou velice sofistikované algoritmy, které se inspirují ve skutečných biologických sítích v přírodě, a používají se převážně na velmi složité vyvíjející se výpočty, pro kryptování dat a různé analýzy. Jejich největší předností je, že obsahují evoluční algoritmy, které jsou schopné se učit a tím dosahovat reálnějších výsledků a učit se z předchozích chyb, proto bývají používány i pro modelování a simulování umělé inteligence.