artificiais - são aqueles que consistem em elementos singulares - os neurônios.Eles são modelos matemáticos de neurônios biológicos, isto é, células que compõem o sistema nervoso.
começamos a falar sobre redes neurais em 1943, mas após a invenção do Perceptron Rosenblatt veio a era de ouro, e as redes tornaram-se muito popular.No entanto, após a publicação de Minsk, em 1969, no qual um cientista demonstrou a ineficiência do Perceptron, sob certas condições, o interesse por este sector caiu drasticamente.Mas a história não termina com redes artificiais.. Em 1985, George Hopfield apresentaram seus estudos e provou que a rede neural - uma grande ferramenta para a aprendizagem de máquina.
foi emprestado de biologia vários conceitos e princípios.Neuron - uma espécie de interruptor que recebe e transmite impulsos (sinais).Se o neurónio recebe um impulso suficientemente forte, acredita-se que ele é activado e transmite impulsos restantes neurónios associados.Neuron mesmo que não foi activado, permanece em um estado de repouso, o pulso não passa.Neuron consiste em diversos componentes principais: as sinapses que se conectam uns aos outros neurónios e recebem pulsos, axónio, cuja tarefa é a de transmitir impulsos e a dendrite, que recebe sinais a partir de várias fontes.Quando um neurônio recebe um impulso acima de um certo limiar, ele imediatamente envia um sinal para os próximos neurônios.
Um modelo matemático é um pouco diferente.Log modelo matemático do neurónio - um vector que é composto por um grande número de componentes.Cada um dos componentes - é um dos impulsos de que são recebidos pelo neurónio.O resultado do modelo é um número único.Isto é, no vector de entrada do modelo é convertido em um escalar, depois transferido para outros neurónios.Redes
neurais podem ser treinadas em duas formas: com e sem um professor.O processo de aprendizagem consiste em várias etapas.Por favor introduza a rede servido um estímulo do exterior.Em seguida, de acordo com as regras de alteração dos parâmetros livres da rede neural, em seguida, a rede responde a estímulos de entrada tem forma diferente.O processo deve ser repetido enquanto a rede não resolve o problema.Algoritmo de aprendizado supervisionado é que durante o treinamento da rede já tem a resposta correta.Este método tem sido utilizado com sucesso para muitas aplicações, mas é muitas vezes criticado pelo fato de que ele é biologicamente plausível.As redes neurais são treinados sem um professor na onde os sinais de entrada conhecidos apenas caso.Nesta base, a rede aprende gradualmente a dar os melhores resultados de valor.
Aplicação de redes neurais é realmente diversificada.Muitas vezes, eles são usados para a automatização de reconhecimento, previsão, criação de vários sistemas especialistas de aproximação funcional.Com uma tal rede pode executar indicadores de detecção óptica ou sinal de áudio troca prever, para criar um sistema capaz de auto-aprendizagem, que pode, por exemplo, para sintetizar a voz de um determinado texto ou parque de estacionamento.As redes neurais utilizados no Ocidente cada vez mais, infelizmente, as empresas nacionais ainda não adotaram esta técnica.
Apesar das vantagens da ANN em cálculos convencionais em algumas áreas, as redes neurais existentes - não uma solução perfeita.Uma vez que eles são capazes de aprender, eles podem estar errados.Além disso, é impossível com precisão para assegurar que a rede neural é concebido para ser óptima.O desenvolvedor é obrigado a compreender a natureza do problema a ser resolvido, tem um monte de informações que descreve o problema, a obtenção de dados para testes e treinamento da rede, escolher o método correto de treinamento, a função de transferência e a função da víbora.