artificiale - sunt cele care constau din elemente singulare - neuroni.Acestea sunt modele matematice de neuroni, celule biologice adică care alcatuiesc sistemul nervos.
început vorbesc despre rețele neuronale în 1943, dar după inventarea Perceptron Rosenblatt a venit epoca de aur, și rețelele au devenit foarte populare.Cu toate acestea, după publicarea Minsk în 1969, în care un om de stiinta a dovedit ineficiența Perceptronul, în anumite condiții, interesul în acest sector a scăzut brusc.Dar povestea nu se termină cu rețele artificiale.. În 1985, George Hopfield au prezentat studiile lor și a demonstrat că rețeaua neuronală - un instrument excelent pentru masina de învățare.
a fost împrumutat de biologie mai multe concepte și principii.Neuron - un fel de comutator care primește și transmite impulsurile (semnale).Dacă neuronul primește un impuls suficient de puternic, se crede că acesta este activat și transmite impulsuri neuroni asociat rămase.Neuron aceeași care nu a fost activat, rămâne într-o stare de repaus, pulsul nu trece.Neuron format din mai multe componente principale: sinapse care se conectează neuroni reciproc și primi impulsuri, Axon, a cărui sarcină este de a transmite impulsuri și dendrite, care primește semnale de la diferite surse.Atunci când un neuron primeste un impuls peste un anumit prag, acesta trimite imediat un semnal la următoarea neuroni.
Un model matematic este un pic diferit.Log model matematic al neuronului - un vector care este compus dintr-un număr mare de componente.Fiecare dintre componenta - este unul dintre impulsurile care sunt primite de neuron.Ieșirea modelului este un singur număr.Aceasta este, în vectorul modelul de intrare este convertit într-un scalar, transferat ulterior la alte neuroni.Rețele
neuronale pot fi instruiți în două moduri: cu si fara un profesor.Procesul de învățare constă în mai multe etape.Va rog sa introduceti rețeaua servit un stimul din exterior.Apoi, în conformitate cu normele de schimbare a parametrilor libere ale rețelei neuronale, atunci rețeaua raspunde la stimuli de intrare au diferit.Procesul se repetă atâta timp cât rețeaua nu rezolva problema.Algoritm de învățare supervizată este că în timpul de formare rețeaua are deja răspunsul corect.Această metodă a fost folosită cu succes pentru multe aplicații, dar este de multe ori criticat pentru faptul că este biologic neplauzibilă.Rețelele neuronale sunt instruiți fără profesor, în cazul în care semnalele de intrare doar cunoscute.Pe această bază, rețeaua învață treptat să oferi cele mai bune rezultatele de valoare.
Aplicarea rețelelor neuronale este foarte diversă.Adesea, ele sunt utilizate pentru automatizarea de recunoaștere, prognoză, crearea de diverse sisteme expert de aproximare funcțională.Cu o astfel de rețea poate efectua indicatori de detectare sau de semnal optic audio prezice schimb, pentru a crea un sistem capabil de auto-învățare, care poate, de exemplu, de a sintetiza discursul de la un anumit text sau parcare.Rețelele neuronale utilizate în Occident tot mai mult, din păcate, firmele locale nu au încă au adoptat această tehnică.
ciuda avantajelor pe ANN calcule convenționale în unele zone, retelele neuronale existente - nu este o soluție perfectă.Din moment ce ei sunt capabili să învețe, ele pot fi greșit.În plus, este imposibil exactitate a se asigura că rețeaua neuronală este proiectat pentru a fi optimă.Dezvoltatorul este necesar pentru a înțelege natura problemei fiind rezolvata, au o mulțime de informații care descrie problema, pentru a obține date pentru rețeaua de testare și de formare, pentru a alege metoda dreptul de formare, funcția de transfer și funcția de vipera.
