Mesterséges neurális hálózatok - azok, amelyek állnak az egyszavas elemek - neuronok.Ezek matematikai modell a biológiai neuronok, azaz a sejtek teszik ki az idegrendszerre.
először kezdett beszélni neurális hálózatok 1943-ban, de miután a találmány a Perceptron Rosenblatt jött aranykorának, és a hálózatok egyre népszerűbbé váltak.Azonban közzététele után a minszki 1969-ben, amikor egy tudós bebizonyította a nem hatékony Perceptron, bizonyos feltételek mellett, a kamat ebben az ágazatban jelentősen csökkent.De a történet nem ér véget a mesterséges hálózatok.1985-ben, George. Hopfield mutatta be tanulmányait, és bebizonyították, hogy a neurális hálózat - egy nagyszerű eszköz a gépi tanulás.
kölcsönözte a biológia számos fogalmak és elvek.Neuron - egyfajta kapcsoló, amely fogadja és továbbítja impulzusok (jeleket).Ha a neuron kap egy kellően erős lendület, úgy vélik, hogy ez aktiválva van, és továbbítja az impulzusokat fennmaradó neuronok társul hozzá.Neuron ugyanaz, hogy nem volt aktiválva, továbbra is az állam a többi, a pulzus nem adja át.Neuron áll, több fő összetevőből áll: szinapszisok kötik össze idegsejtek egymáshoz, és megkapja a hüvelyesek, axon, amelynek feladata, hogy továbbítja hüvelyesek és a dendritek, amely megkapja különféle forrásokból származó jelek.Amikor egy neuron kap impulzust bizonyos küszöbérték felett, azonnal küld egy jelet, hogy a következő neuronok.
Egy matematikai modell egy kicsit más.Log matematikai modell neuron - egy vektor, amely áll egy nagyszámú komponens.Mind a komponens - az egyik az impulzusok, amelyek által kapott a neuron.A modell eredményét egyetlen szám.Azaz, a modell bemeneti vektort alakítjuk egy skalár, később át más neuronok.
neurális hálózatok lehet képezni két módja van: az egyik esetében tanár.A tanulási folyamat több lépésből áll.Kérjük, adja meg a hálózat szolgált inger kívülről.Aztán, szabályaival összhangban változik a szabad paraméterek a neurális hálózat, akkor a hálózat reagál bemeneti ingerekre van másképp.A folyamat meg kell ismételni, amíg a hálózat nem oldja meg a problémát.Felügyelt tanuló algoritmust, hogy edzés során a hálózat már a helyes választ.Ezt a módszert már sikeresen használják sok alkalmazás, de gyakran kifogásolható az a tény, hogy ő biológiailag valószínűtlen.A neurális hálózatok képzett tanár nélkül abban az esetben, ha az egyetlen ismert bemeneti jel.Ezen az alapon, a hálózat fokozatosan megtanulja, hogy a legjobb ár-érték kimenet.
Neurális hálózatok alkalmazása valóban sokszínű.Gyakran használják az automatizálás az elismerés, előrejelzés, létrehozása a különböző szakértői rendszerek funkcionális közelítése.Egy ilyen hálózat képes elvégezni hangérzékelő vagy optikai jelet mutatók megjósolni csere, hogy létrehoznak egy rendszert, amely képes az önálló tanulást, amely például szintetizálni beszéd egy adott szöveget, vagy parkoló.Neurális hálózatokat Nyugaton egyre sajnos a hazai cégek még nem fogadták el ezt a technikát.
előnyei ellenére a ANN hagyományos számítások egyes területeken, a meglévő neurális hálózatok - nem tökéletes megoldás.Mivel képesek tanulni, akkor lehet baj.Ezen túlmenően, lehetetlen pontosan annak biztosítása, hogy a neurális hálózat úgy tervezték, hogy optimális.A fejlesztő szükséges, hogy megértsék a természet a probléma kiküszöbölése, van egy csomó információt, amely leírja a problémát, hogy adatokat nyerjenek tesztelés és képzési hálózat, válasszuk ki a megfelelő módszert a képzés, az átadás a funkciót, a vipera.
