Umelé neurónové siete - sú také, ktoré sa skladajú zo singulárnych prvkov - neurónov.Sú matematické modely biologických neurónov, to znamená bunky, ktoré tvoria nervový systém.
prvýkrát začalo hovoriť o neurónových sietí v roku 1943, ale po vynálezu Perceptron Rosenblatt prišla zlatá éra, a siete sa stali veľmi populárne.Avšak, po zverejnení v Minsku v roku 1969, v ktorom vedec preukázal neefektívnosť Perceptron, za určitých podmienok, záujem v tomto sektore prudko klesli.Ale príbeh nekončí s umelými sieťami.. V roku 1985, George Hopfieldův predstavila svoje štúdium, a dokázal, že neurónové siete - skvelý nástroj pre strojového učenia.
bol požičal si od biológie niekoľko konceptov a princípov.Neurón - druh prepínače, ktorý prijíma a vysiela impulzy (signály).V prípade, že neurón dostane dostatočne silný impulz, sa predpokladá, že je aktivovaný a prenáša zostávajúce neuróny s ním spojené pulzy.Neurón rovnaká, ktorý nebol aktivovaný, zostáva v kľudovom stave, pulz neprejde.Neurón sa skladá z niekoľkých základných častí: synapsií, ktoré sa pripájajú neuróny medzi sebou a prijímať impulzy, Axon, ktorého úlohou je netarifikovat a dendritov, ktorá prijíma signály z rôznych zdrojov.Keď neurón dostane impulz nad určitú hranicu, okamžite vyšle signál do ďalších neurónov.
Matematický model je trochu iný.Log matematického modelu neurónu - vektor, ktorý je zložený z veľkého počtu súčastí.Každý zo zložky - je jedným z impulzov, ktoré sú prijímané v neurónu.Výstupom modelu je jediné číslo.To znamená, že v je model vstupnej vektor premenený skalárna, neskôr sa preniesol do iných neurónov.Siete
neurónové môžu byť trénoval sa dvoma spôsobmi: s a bez učiteľa.Proces učenia sa skladá z niekoľkých krokov.Zadajte prosím sieť podával podnet zvonku.Potom, v súlade s pravidlami zmenou voľné parametre neurónové siete, potom je sieťový reaguje na vstupné podnety majú rôzne.Tento proces by mal byť opakovaný tak dlho, kým v sieti nerieši problém.Dohľadom algoritmus učenia je, že počas výcviku v sieti, už má správnu odpoveď.Táto metóda bola úspešne použitá v mnohých aplikáciách, ale to je často kritizovaná za to, že je biologicky nepravdepodobné.Neurónové siete sú vycvičení bez učiteľa v prípade, keď jediný známy vstupných signálov.Na tomto základe, sieť postupne učí dať najlepšie výstupy hodnôt.
Aplikácia neurónových sietí je naozaj rozmanitá.Často sú používané pre automatizáciu uznanie, predpovedanie, vytvorenie rôznych expertných systémov funkčné aproximácie.S takou sieť môže vykonávať audio detekčné alebo optický signál ukazovatele predvídať výmenu, vytvoriť systém schopný self-učenia, ktoré môžu, napríklad, syntetizovať reči z daného textu alebo parkovisko.Neurónové siete používané na Západe stále, žiaľ, domáce firmy doteraz prijali túto techniku.
Napriek výhodám Ann na konvenčných výpočty v niektorých oblastiach, existujúcich neurónových sietí - nie dokonalé riešenie.Vzhľadom k tomu, že sú schopní sa učiť, môžu byť zle.Okrem toho, že je možné presne, aby sa zabezpečilo, že neurónová sieť je navrhnutý tak, aby optimálne.Požaduje sa, aby developer pochopiť podstatu riešeného problému, majú veľa informácií, ktoré popisuje problém, získať dáta pre testovanie a školenie siete, vybrať ten správny spôsob vzdelávania, prenosová funkcie a funkcie vretenica.
