Изкуствени невронни мрежи

Изкуствени невронни мрежи - са тези, които са направени от специални клетки - неврони. Те са математически модели на биологичните неврони, клетките, които изграждат човешката нервна система.

За първи път ние говорим за невронни мрежи през 1943 г., а след изобретяването на перцептрон Rosenblatt дойде златната ера, както и мрежите са станали много популярни. Въпреки това, след публикуването на Минск през 1969 г., като в този учен доказа неефективността на перцептрон, при определени условия, интересът към този сектор спадна рязко. Но историята не свършва с изкуствени мрежи. . През 1985 г., J. Hopfield представени обучението си и се оказа, че невронната мрежа - много добро средство за машинно обучение.

Тя е заимствана от биологията няколко понятия и принципи. Neuron - един вид ключ, който получава и след това предава импулсите (сигнали). Ако неврона получава достатъчно мощен импулс, като се смята, че тя се активира и предава останалите неврони, свързани с него импулсите. Neuron същата, която не е била активирана, тя остава в състояние на покой, тя не се предава импулс. Neuron състои от няколко основни компонента: синапси, които се свързват неврони помежду си и получават импулси, аксон, които предават импулси задача и дендрити, който получава сигнали от различни източници. Когато един неврон получава импулс над определен праг, тя незабавно изпраща сигнал към следващия неврон.

Математическият модел е малко по-различно. Вход математически модел на неврон - е вектор, който се състои от голям брой компоненти. Всеки от компонента - е един от импулсите, които са получени от неврона. Изходът на този модел е един номер. Това означава, че в модел входния вектор се превръща в скаларна, по-късно се прехвърля към други неврони.

Невронни мрежи могат да бъдат обучени по два начина: с и без учител. Процесът на обучение се състои от няколко стъпки. На първо място, в мрежата се въвежда от външния стимул. След това, в съответствие с нормите са свободните параметри на невронната мрежа, а след това на мрежата отговаря на входните стимули вече по различен начин. Процесът трябва да се повтори, докато мрежата не реши проблема. Алгоритъмът обучение с учител, е, че по време на обучението в мрежата вече има правилния отговор. Този метод се използва успешно за много приложения, но това често е критикувана за това, че е биологично неправдоподобно. Невронни мрежи са обучени без учител в случаите, когато единствените известни входовете. Въз основа на тях, мрежата постепенно се научава да даде най-добри резултати стойност.

Приложение на невронни мрежи е много разнообразна. Те често се използват за автоматизиране на признаване, предвижданията, създаването на различни експертни системи, сближаване на функционали. С такава мрежа може да изпълнява звук признаване или оптични сигнали, за да се предскаже показатели за обмен създават системи, позволяващи самообучение, което може, например, да синтезира речта от даден текст или паркинг. Невронни мрежи на Запад се използват по-активно, за съжаление, местните фирми все още не са приели този метод.

Въпреки предимствата на ANN на конвенционални изчисления в някои области, съществуващите невронни мрежи - не е идеално решение. Тъй като те са в състояние да живот, те могат да бъдат погрешно. В допълнение, не можете да се гарантира, че точно развитите невронната мрежа е оптимално. Предприемачът трябва да разберем естеството на разглеждания проблем, има много информация, която описва проблема, за да се получат данни за тестване и обучение на мрежата, за да избера най-подходящия метод на обучение, предавателната функция и разширители функции.