Съдържание
- Определение - Какво означава машина за течно състояние (LSM)?
- Въведение в Microsoft Azure и Microsoft Cloud | В това ръководство ще научите какво представлява компютърните изчисления и как Microsoft Azure може да ви помогне да мигрирате и стартирате бизнеса си от облака.
- Техопедия обяснява машината за течно състояние (LSM)
Определение - Какво означава машина за течно състояние (LSM)?
Машина с течно състояние (LSM) е модел или система за машинно обучение, която е част от поредица от конкретни модели на невронни мрежи. Тези модели се основават на традиционните дизайни, за да въведат нови и иновативни начини за обработка на информация. Подобно на други видове невронни мрежи, машините с течно състояние и подобни конструкции се базират около невробиологията на човешкия мозък.
Въведение в Microsoft Azure и Microsoft Cloud | В това ръководство ще научите какво представлява компютърните изчисления и как Microsoft Azure може да ви помогне да мигрирате и стартирате бизнеса си от облака.
Техопедия обяснява машината за течно състояние (LSM)
За да разберете наистина какво е машина с течно състояние, е важно да разберете типа програма за машинно обучение, в която попада. Тези видове машинно обучение понякога се наричат невронни мрежи от трето поколение и много експерти се позовават на "шипкови" невронни мрежи, за да илюстрират как работят. Шипковата невронна мрежа, която използва много от същите модели като машина с течно състояние, добавя свойство на времето към синаптични и невронни елементи.
В машинен модел с течно състояние, оценката на шипковата невронна активност води до пространствено-времеви модел на активиране на невронната мрежа. Това е повтарящ се тип невронна мрежа, така че определени видове памет се запазват по време на целия процес.
Друга представа за естеството на машината с течно състояние е свързана с името на този конкретен вид шипкова невронна мрежа.
Идеята е, че пускането на камък или друг твърд предмет в водно тяло или някаква друга течност произвежда пулсации по повърхността и активност под повърхността, която може да бъде оценена, за да се разбере какво се случва в системата. По същия начин хората могат да оценят операциите на машина с течно състояние, за да разберат повече за това как тя моделира мозъчната дейност на човека. Важно нещо обаче е да се отбележи, че машините с течно състояние имат някои конкретни слабости или предизвикателства. Едно от тях е, че става много трудно наистина да се наблюдава изчислителната работа и е невъзможно да се обърне инженеринг на системата, защото има по-малко строги правила за самия процес. Експертите посочват, че в машина с течно състояние веригите не са трудно кодирани да изпълняват конкретни задачи и поради гъвкавостта на системата и нейния дизайн, по-малко контрол върху процеса на невронната мрежа като цяло.