nätverksfunktioner

Nätverksfunktioner är funktioner som används inom nätverksteknik och relaterade discipliner för att beskriva hur nätverk processar information, överför data eller modellerar relationer mellan enheter i ett nätverk. Begreppet kan avse funktioner i graf- eller nätverksteori samt funktioner som körs i nätverksutrustning eller i programvara som erbjuder nätverkstjänster. I olika sammanhang kan ordet ha olika betydelser men gemensamt är att de kopplar indata till utdata inom ett nätverk.

Inom nätverksteori används nätverksfunktioner för att beskriva dynamiska processer på nätverk, till exempel hur information sprids, hur influens eller risk sprids mellan noder, eller hur noders tillstånd påverkar varandra. Exempel är diffusionfunktioner eller funktioner som beskriver överföring av signaler längs kanaler i processen att modellera nätverkets beteende.

Inom datornätverk syftar nätverksfunktioner ofta på de tjänster som tillhandahålls av nätverksutrustning och mjukvara, till exempel routing, switching, brandvägg, NAT och VPN. Med nätverksfunktionvirtualisering NFV flyttas dessa funktioner från särskilda hårdvarukomponenter till virtuella instanser som körs på delad infrastruktur.

Inom artificiell intelligens och maskininlärning används nätverksfunktioner särskilt i neurala nätverk i form av aktiveringsfunktioner som introducerar icke-linjäritet. Vanliga exempel är sigmoid, tanh, ReLU och dess varianter samt softmax. De påverkar hur nätverket lär sig och hur gradienter backpropageras.

När man väljer nätverksfunktioner bedöms ofta balans mellan lämplighet för problemet, beräkningskostnad och hur funktionen påverkar gradienter under träning. Sammanfattningsvis är nätverksfunktioner ett tvärvetenskapligt begrepp som kan syfta på matematiska modeller av nätverksdynamik, funktioner i nätverksinfrastruktur eller aktiveringar i neurala nätverk, beroende på kontext.