artificiali - sono quelli che consistono di elementi singolari - neuroni.Sono modelli matematici di neuroni, cellule biologiche cioè che compongono il sistema nervoso.
iniziato a parlare di reti neurali nel 1943, ma dopo l'invenzione della percettrone Rosenblatt venne l'epoca d'oro, e le reti sono diventati molto popolari.Tuttavia, dopo la pubblicazione di Minsk nel 1969, in cui uno scienziato ha dimostrato l'inefficienza del Perceptron, sotto certe condizioni, l'interesse in questo settore è sceso drasticamente.Ma la storia non finisce con le reti artificiali.. Nel 1985, George Hopfield presentato i loro studi e ha dimostrato che la rete neurale - un grande strumento per l'apprendimento automatico.
stato preso in prestito dalla biologia diversi concetti e principi.Neuron - un genere di interruttore che riceve e trasmette impulsi (segnali).Se il neurone riceve sufficientemente potente impulso, si ritiene che esso sia attivato e trasmette impulsi neuroni esso associati rimanenti.Neuron stesso che non è stato attivato, rimane in uno stato di riposo, il polso non passa.Neuron costituito da diversi componenti principali: sinapsi che connettono i neuroni tra loro e ricevono impulsi, assoni, il cui compito è quello di trasmettere impulsi e dendrite, che riceve segnali da diverse fonti.Quando un neurone riceve un impulso di sopra di una certa soglia, invia immediatamente un segnale per i prossimi neuroni.
Un modello matematico è un po 'diverso.Log modello matematico del neurone - un vettore che è composto da un elevato numero di componenti.Ogni componente - è uno degli impulsi che sono ricevuti dal neurone.L'output del modello è un singolo numero.Cioè, nel vettore di input del modello è convertito in uno scalare, successivamente trasferiti ad altri neuroni.Reti
neurali possono essere addestrati in due modi: con e senza un insegnante.Il processo di apprendimento si compone di diversi passaggi.Si prega di inserire la rete servita da stimolo dall'esterno.Quindi, in conformità con le regole di modifica dei parametri liberi della rete neurale, la rete risponde agli stimoli input hanno diverso.Il processo deve essere ripetuto finchè la rete non risolve il problema.Algoritmo di apprendimento supervisionato è che durante l'allenamento la rete ha già la risposta corretta.Questo metodo è stato utilizzato con successo per molte applicazioni, ma è spesso criticato per il fatto che è biologicamente plausibile.Le reti neurali sono formati senza un insegnante, nel caso in cui i segnali di ingresso solo conosciuti.Su questa base, la rete impara gradualmente a dare i migliori risultati di valore.
applicazione delle reti neurali è davvero varia.Spesso vengono utilizzati per l'automazione di riconoscimento, previsione, creazione di vari sistemi esperti approssimazione funzionale.Con una tale rete può eseguire indicatori di rivelazione o di segnale ottico audio prevedono scambio, per creare un sistema in grado di auto-apprendimento, che può, per esempio, per sintetizzare la voce da un dato testo o parcheggio.Le reti neurali utilizzate in Occidente sempre più, purtroppo, le imprese nazionali non hanno ancora hanno adottato questa tecnica.
Nonostante i vantaggi di ANN su calcoli convenzionali in alcune aree, le reti neurali esistenti - non una soluzione perfetta.Dal momento che sono in grado di imparare, si può essere sbagliato.Inoltre, è impossibile con precisione per garantire che la rete neurale è progettato per essere ottimale.È necessaria allo sviluppatore di comprendere la natura del problema da risolvere, hanno un sacco di informazioni che descrivono il problema, per ottenere dati di prova e formazione della rete, scegliere il giusto metodo di formazione, funzione di trasferimento e la funzione della vipera.
