Kunstige nevrale nettverk - er de som består av enkeltelementer - nevroner.De matematiske modeller av biologiske neuroner, dvs. cellene som utgjør nervesystemet.
først begynte å snakke om nevrale nettverk i 1943, men etter oppfinnelsen av Perceptron Rosenblatt kom den gylne æra, og nettverk har blitt svært populært.Men etter publiseringen av Minsk i 1969, der en forsker har vist seg ineffektiviteten av Perceptron, under visse vilkår, interessen for denne sektoren falt kraftig.Men historien slutter ikke med kunstige nettverk.. I 1985, George Hopfield presenterte sine studier og beviste at det nevrale nettverk - et flott verktøy for maskinlæring.
ble lånt fra biologi flere konsepter og prinsipper.Neuron - en slags bryter som mottar og sender impulser (signaler).Dersom neuron mottar en tilstrekkelig kraftig momentum, er det antatt at det er aktivert og sender ut pulser resterende nevroner i forbindelse med den.Neuron samme som ikke ble aktivert, forblir i en tilstand av hvile, ikke pulsen ikke passere.Neuron består av flere hovedkomponenter: synapser som kobler neurons til hverandre, og mottar pulser, axon, hvis oppgave er å sende pulser og dendritt, som mottar signaler fra forskjellige kilder.Når et nevron mottar en impuls over en viss terskel, straks sender den et signal til neste neuroner.
En matematisk modell er litt annerledes.Log matematisk modell av nervecelle - en vektor som er sammensatt av et stort antall komponenter.Hver av komponenten - er en av de pulser som mottas av neuron.Utgangen fra modellen er et enkelt tall.Det vil si, i modellen inngangsvektor er omdannet til en skalar, senere overføres til andre nerveceller.
Nevrale nettverk kan trenes på to måter: med og uten en lærer.Læringsprosessen består av flere trinn.Vennligst skriv nettverket servert en stimulus utenfra.Deretter, i henhold til reglene for endring av de frie parametere av det nevrale nettverket, og nettverket reagerer på inngangsstimuli ha forskjellig.Prosessen skal gjentas så lenge nettet ikke løser problemet.Veiledet læring algoritme er at under trening nettverket har allerede det riktige svaret.Denne metoden har blitt brukt for mange programmer, men det er ofte kritisert for det faktum at han er biologisk plausibel.Nevrale nettverk er trent uten en lærer i saken der den eneste kjente inngangssignaler.På bakgrunn av dette nettverket lærer gradvis å gi de beste verdi utganger.
Påføring av nevrale nettverk er virkelig mangfoldig.Ofte brukes de til automatisering av anerkjennelse, prognoser, etablering av ulike ekspertsystemer funksjonell approksimasjon.Med et slikt nettverk kan utføre lyd- deteksjons- eller optisk signalindikatorene forutsi utveksling, for å skape et system som er i stand til selvlærende, som kan, for eksempel, for å syntetisere tale fra en gitt tekst- eller parkeringsplass.Nevrale nettverk som brukes i Vesten stadig, dessverre, innenlandske bedrifter har ennå ikke har tatt i bruk denne teknikken.
tross for fordelene med ANN på konvensjonelle beregninger i enkelte områder, eksisterende nevrale nettverk - ikke en perfekt løsning.Ettersom de er i stand til å lære, kan de være galt.I tillegg er det ikke mulig nøyaktig for å sikre at det neurale nettverket er utformet for å være optimal.Utbygger er nødvendig for å forstå innholdet av problemet blir løst, har mye informasjon som beskriver problemet, for å få data for testing og opplæring nettverket, velge riktig metode for trening, transferfunksjonen og funksjonen av huggorm.
