Mākslīgie neironu tīkli - ir tādi, kas sastāv no vienskaitļa elementiem - neironiem.Tie ir matemātiskie modeļi bioloģisko neironu, proti, šūnas, kas veido nervu sistēmu.
pirmais sāka runāt par neironu tīklu 1943. gadā, bet pēc tam, kad izgudrojums perceptron Rosenblatt nāca zelta laikmetu, un tīkli ir kļuvuši ļoti populāri.Tomēr pēc publicēšanas Minskas 1969, kurā zinātnieks ir pierādījusi neefektivitāti Perceptron, ar konkrētiem nosacījumiem, interese šajā nozarē strauji samazinājās.Bet stāsts nebeidzas ar mākslīgiem tīkliem.. 1985, George Hopfield prezentēja savas studijas un pierādīja, ka neironu tīkls - lielisks instruments mašīnu apmācības.
tika aizgūts no bioloģijas vairākiem jēdzieniem un principiem.Neirons - sava veida slēdzis, kas saņem un pārraida impulsus (signāli).Ja neirons saņem pietiekami spēcīgu impulsu, tiek uzskatīts, ka tā ir aktivizēta un pārraida impulsus atlikušos neironus, kas saistītas ar to.Neirons pats, kas netika aktivizēta, paliek stāvoklī atpūtas, pulss nepāriet.Neirons sastāv no vairākām galvenajām sastāvdaļām: sinapsēs, kas savieno neironus ar otru un saņem impulsus, Axon, kuras uzdevums ir pārraidīt impulsiem un DENDRITE, kas saņem signālus no dažādiem avotiem.Kad neirons saņem impulsu pārsniedz noteiktu slieksni, tā nekavējoties nosūta signālu uz nākamo neironiem.
matemātiskais modelis ir nedaudz atšķirīgs.Pieteikties matemātisko modeli neirona - vektoru, kas sastāv no daudziem komponentiem.Katrs no komponenta - ir viens no impulsiem, kuri ir saņemti ar neirona.Šī modeļa izejas ir viens numurs.Tas ir, modelis ieejas vektors tiek pārvērsts skalārs, vēlāk nodot citām neironiem.
Neironu tīkli var apmācīt divos veidos: ar un bez skolotāja.Mācību process sastāv no vairākiem posmiem.Lūdzu, ievadiet tīkls pasniegtas stimulu no ārpuses.Tad, saskaņā ar noteikumiem, mainot bezmaksas parametrus neironu tīklu, tad tīkla reaģē uz ieejas stimuli ir atšķirīgi.Šis process ir jāatkārto, kamēr tīkls neatrisina problēmu.Uzraudzīta mācīšanās algoritms ir tas, ka apmācību tīklu laikā jau ir pareizo atbildi.Šī metode tika veiksmīgi izmantota daudziem lietojumiem, bet tas bieži kritizēta par to, ka viņš ir bioloģiski ticams.Neironu tīkli tiek apmācīti bez skolotāja Gadījumā, ja vienīgie zināmie ieejas signālus.Pamatojoties uz to, tīkls pamazām iemācās sniegt vislabāko vērtības produkciju.
piemērošana neironu tīklu ir patiešām daudzveidīga.Bieži viņi izmanto automatizācijā atzīšanu, prognozēšanas, radīšanu dažādu ekspertu sistēmas funkcionālo tuvināšanas.Ar šādu tīklu var veikt audio atklāšanas vai optisko signālu rādītāji prognozēt apmaiņu, lai izveidotu sistēmu, kas spēj pašmācību, kas var, piemēram, sintezēt runu no konkrētā teksta vai autostāvvietā.Neironu tīkli izmanto Rietumos arvien diemžēl vietējie uzņēmumi vēl nav pieņēmušas šo metodi.
Neskatoties uz priekšrocībām ANN par parasto aprēķiniem dažās jomās, esošajiem neironu tīkliem - nav ideāls risinājums.Tā kā tie ir spējīgi mācīties, viņi var būt nepareizi.Turklāt, tas nav iespējams precīzi, lai nodrošinātu, ka neironu tīkls ir izstrādāta, lai būtu optimāls.Attīstītājs ir nepieciešams, lai saprastu raksturs problēma ir atrisināta, ir daudz informācijas, kas apraksta šo problēmu, lai iegūtu datus par testēšanas un apmācības tīklu, izvēlēties pareizo metodi, apmācību, nodošana funkcija un funkcija papildinātājs.
