neuroverkkomalli
Neuroverkkomalli on laskennallinen malli, joka jäljittelee aivojen toimintaperiaatteita. Se koostuu neuroneista ja niiden välisistä kytkennistä, joilla on painot. Neuronit järjestetään kerroksiksi, ja signaali etenee kerroksesta toiseen aktivointifunktion kautta.
Oppiminen tapahtuu suurella datamäärällä, jotta malli tuottaa oikeita vastauksia. Tavoitteena on minimoida virhe loss-funktion avulla. Painot
Suosittuja arkkitehtuureja ovat feed-forward-verkot, konvoluutioverkot (CNN), toistuvat verkot (RNN, LSTM/GRU) sekä transformer-verkot. Transformer-verkot perustuvat itsehuomiomekanismiin ja
Neuroverkkoja sovelletaan muun muassa kuvantunnistukseen, puheentunnistukseen, luonnollisen kielen käsittelyyn, ajan sarjojen ennustamiseen sekä lääketieteellisiin diagnostiikka- ja
Historia ulottuu 1940-luvulle perceptronien ajoilta. 1980-luvulla kehitettiin backpropagation, ja 2010-luvulla syväoppiminen yleistyi suurten datamassojen ja laskennan