artificiales - son aquellas que consisten en elementos singulares - neuronas.Ellos son modelos matemáticos de neuronas, células biológicas es decir, que componen el sistema nervioso.
primero empezó a hablar de redes neuronales en 1943, pero después de la invención del Perceptrón Rosenblatt llegó la era de oro, y las redes se han convertido en muy popular.Sin embargo, después de la publicación de Minsk en 1969, en la que un científico ha demostrado la ineficacia de Perceptron, bajo ciertas condiciones, el interés en este sector se redujo significativamente.Pero la historia no termina con las redes artificiales.. En 1.985, George Hopfield presentó sus estudios y demostró que la red neuronal - una gran herramienta para el aprendizaje automático.
fue tomado de la biología varios conceptos y principios.Neurona - una especie de interruptor que recibe y transmite impulsos (señales).Si la neurona recibe un impulso suficientemente potente, se cree que se activa y transmite impulsos de las neuronas asociadas con él restantes.Neurona misma que no se ha activado, permanece en un estado de reposo, el pulso no pasa.Neurona consta de varios componentes principales: sinapsis que conectan las neuronas entre sí y recibir impulsos, axón, cuya tarea es transmitir impulsos y las dendritas, que recibe las señales de varias fuentes.Cuando una neurona recibe un impulso por encima de un cierto umbral, envía inmediatamente una señal a los próximos neuronas.
Un modelo matemático es un poco diferente.Log modelo matemático de la neurona - un vector que se compone de un gran número de componentes.Cada uno de los componentes - es uno de los impulsos que se reciben por la neurona.La salida del modelo es un solo número.Es decir, en el vector de entrada del modelo se convierte en un escalar, posteriormente transferidos a otras neuronas.Redes
neuronales pueden ser entrenados de dos maneras: con y sin un maestro.El proceso de aprendizaje consiste en varios pasos.Por favor, introduzca la red sirvió de estímulo desde el exterior.Entonces, de acuerdo con las reglas de cambio de los parámetros libres de la red neuronal, entonces la red responde a los estímulos de entrada tienen diferente.El proceso debe repetirse siempre y cuando la red no resuelve el problema.Algoritmo de aprendizaje supervisado es que durante la formación de la red ya tiene la respuesta correcta.Este método ha sido utilizado con éxito para muchas aplicaciones, pero a menudo es criticado por el hecho de que es biológicamente plausible.Las redes neuronales se forman sin un maestro en el caso en que las señales de entrada sólo se conoce.Sobre esta base, la red aprende poco a poco a dar los mejores resultados de valor.
Aplicación de las redes neuronales es muy diversa.A menudo se utilizan para la automatización de reconocimiento, la previsión, la creación de varios sistemas expertos aproximación funcional.Con una red de este tipo puede llevar a cabo los indicadores de detección o de señal óptica de audio predicen cambio, para crear un sistema capaz de auto-aprendizaje, que puede, por ejemplo, para sintetizar el habla de un texto dado o aparcamiento.Las redes neuronales utilizadas en Occidente cada vez más, por desgracia, las empresas nacionales todavía no han adoptado esta técnica.
A pesar de las ventajas de ANN en cálculos convencionales en algunas zonas, las redes neuronales existentes - no es una solución perfecta.Puesto que son capaces de aprender, pueden estar equivocados.Además, es imposible con precisión para asegurar que la red neuronal está diseñado para ser óptima.Se requiere que el desarrollador para entender la naturaleza del problema que se solucionó, tienen una gran cantidad de información que describe el problema, para obtener los datos de las pruebas y la formación en red, seleccione el método correcto de la formación, la función de transferencia y la función de la víbora.
