Ett konvolutionellt neuralt nätverk är en viss typ av arrangemang av artificiella neuroner, eller neuronsimulatorer, som är gjorda för att fungera på ett speciellt sätt. Neurala nätverk är biologiska grupper av neuroner, eller artificiella grupper av pseudo-neuroner som är programmerade att fungera på samma sätt som biologiska neuroner. Konstgjorda neurala nätverk försöker imitera funktioner i människans eller djurets hjärna.
I de flesta fall är ett konvolutionellt neuralt nätverk helt enkelt ett artificiellt neuralt nätverk gjort för att simulera någon form av hjärnaktivitet. Experter kallar dessa modeller ”biologiskt inspirerade.” Vissa av dessa kanske också kan lära sig på det sätt som ett biologiskt neuralt nätverk lär sig, genom att bearbeta information på mycket komplexa sätt.
Bland de mest utbredda användningarna av konvolutionella neurala nätverk är simulering av människors eller djurs syn. Dessa applikationer fokuserar ofta på kombinationen av input och output som hjälper tekniken att göra artificiellt vad en hjärna gör naturligt. Många komplexa metoder, ibland kallade lager, behövs för att uppnå denna typ av simulering. Dessa visas ofta genom visuella modeller som hjälper läsare att förstå hur ett konvolutionellt neuralt nätverk är uppbyggt.
I allmänhet har forskare som implementerar konvolutionella neurala nätverk listat ut några av de specifika sätt som hjärnor bearbetar bilder. Artificiell intelligens har utvecklats på senare tid, och nu kan forskare få teknologier att utföra några av de uppgifter som tidigare var exklusiva för biologisk syn. En av dessa är ansiktsigenkänning, där avancerade algoritmer tillåter kameror och andra enheter att effektivt skärma bilder och känna igen ett enskilt ansikte.
Många typer av konvolutionella neurala nätverksmodeller är gjorda för att känna igen olika funktioner för att analysera en hel bild som skulle simulera ett spektrum av syn. Vissa av dessa teknologier måste också ha avancerade filter för vissa ljusområden, eller andra verktyg som hjälper tekniker att ”se” på det sätt som människor och djur gör. Konvolutionella neurala nätverk måste testas rigoröst och bedömas utifrån sina förtjänster, där det specifika uppnåendet av resultat bevisar att dessa teknologier kan imitera människans eller djurets hjärna, åtminstone till viss del.
Konvolutionella neurala nätverk är också gjorda för olika applikationer. Dessa inkluderar användning av konsumentprodukter som ansiktsigenkänningskameror. Det finns också många säkerhetsapplikationer för dessa typer av teknologier, och användningen av konvolutionella neurala nätverk som en kraftfull datasilningsresurs. Forskare fortsätter att arbeta med att uppnå mer komplexitet med dessa simulatorer, till exempel för att kontrollera antalet ansikten i en bild, eller för att korrekt kunna identifiera ansikten i olika skalor, ljus eller andra förhållanden.