- sont celles qui consistent d'éléments singuliers - neurones.Ils sont des modèles mathématiques de neurones, les cellules biologiques à savoir qui constituent le système nerveux.
a commencé à parler des réseaux de neurones en 1943, mais après l'invention de Perceptron Rosenblatt est venu l'âge d'or, et les réseaux sont devenus très populaires.Cependant, après la publication de Minsk en 1969, dans lequel un scientifique a prouvé l'inefficacité de Perceptron, sous certaines conditions, l'intérêt dans ce secteur a chuté.Mais l'histoire ne se termine pas avec les réseaux artificiels.. En 1985, George Hopfield présenté leurs études et a prouvé que le réseau de neurones - un excellent outil pour l'apprentissage de la machine.
a été emprunté à la biologie plusieurs concepts et principes.Neuron - une sorte de commutateur qui reçoit et transmet des impulsions (signaux).Si le neurone reçoit une impulsion suffisamment puissant, il est considéré que ce dernier est activé et transmet des impulsions qui lui sont associés neurones restants.Neuron même qui n'a pas été activé, reste dans un état de repos, l'impulsion ne passe pas.Neuron est constitué de plusieurs composantes principales: les synapses qui relient les neurones entre eux et recevoir des impulsions, Axone, dont la tâche est de transmettre des impulsions et des dendrites, qui reçoit des signaux provenant de diverses sources.Quand un neurone reçoit une impulsion au-dessus d'un certain seuil, il envoie immédiatement un signal à l'autre des neurones.
Un modèle mathématique est un peu différent.Identifiant modèle mathématique du neurone - un vecteur qui est composé d'un grand nombre de composants.Chacun des composants - est l'une des impulsions qui sont reçues par le neurone.La sortie du modèle est un numéro unique.Autrement dit, dans le vecteur d'entrée du modèle est convertie en un scalaire, par la suite transférées à d'autres neurones.Réseaux
neurones peuvent être formés de deux manières: avec et sans un enseignant.Le processus d'apprentissage est constitué de plusieurs étapes.Saisissez le réseau servi un stimulus de l'extérieur.Puis, en conformité avec les règles de modification des paramètres libres du réseau neuronal, le réseau répond à des stimuli d'entrée ont différemment.Le processus doit être répété aussi longtemps que le réseau ne résout pas le problème.Algorithme d'apprentissage supervisé est que, pendant la formation du réseau a déjà la réponse correcte.Cette méthode a été utilisée avec succès pour de nombreuses applications, mais il est souvent critiquée pour le fait qu'il est biologiquement plausible.Les réseaux de neurones sont formés sans enseignant dans le cas où les signaux d'entrée seulement connus.Sur cette base, le réseau apprend peu à peu à donner les meilleures sorties de valeur.
applicationdes réseaux de neurones est très diversifié.Souvent, ils sont utilisés pour l'automatisation de la reconnaissance, de prévision, de la création de divers systèmes experts d'approximation fonctionnelle.Avec un tel réseau peut effectuer indicateurs de détection ou de signaux audio optique prévoient l'échange, pour créer un système capable d'auto-apprentissage, qui peut, par exemple, de faire la synthèse de la parole d'un texte donné ou sur le parking.Les réseaux de neurones utilisés dans l'Ouest de plus en plus, malheureusement, les entreprises nationales ne sont pas encore ont adopté cette technique.
Malgré les avantages de ANN sur les calculs classiques dans certaines régions, les réseaux de neurones existants - pas une solution parfaite.Depuis qu'ils sont capables d'apprendre, ils peuvent être mauvais.En outre, il est impossible avec précision pour assurer que le réseau neuronal est conçu pour être optimal.Le développeur est nécessaire de comprendre la nature du problème étant résolu, avoir beaucoup d'informations qui décrit le problème, d'obtenir des données pour le réseau de test et de formation, choisir la bonne méthode de formation de la fonction de transfert et la fonction de l'additionneur,.
