Umetne nevronske mreže - so tisti, ki so sestavljeni iz edinstvenih elementov - nevronov.So matematični modeli bioloških nevronov, to so celice, ki tvorijo živčni sistem.
prvi začel govoriti o nevronskih mrež leta 1943, vendar je po iznajdbi perceptrona Rosenblatt prišel zlato dobo in omrežja so postala zelo priljubljena.Vendar pa je po objavi Minsku leta 1969, v katerem je znanstvenik izkazala neučinkovitost perceptron, pod določenimi pogoji, je zanimanje za ta sektor močno zmanjšalo.Toda zgodba se ne konča z umetnimi omrežij.. Leta 1985 je George Hopfieldova predstavili svoje študije in dokazali, da nevronske mreže - odlično orodje za strojno učenje.
je izposojen iz biologije različnih konceptov in načel.Nevron - neke vrste stikalo, ki sprejema in oddaja sunki (signali).Če nevron prejme dovolj močan zagon, je verjel, da se aktivira in oddaja impulze preostale nevronov, povezanih z njo.Nevron isti, ki ni bila aktivirana, je še vedno v stanju mirovanja, utrip ne mine.Nevron sestavljen iz več glavnih komponent: sinaps, ki povezujejo nevrone med seboj in sprejemanje impulzov, Axon, katerega naloga je, da pošljejo impulze in DENDRITE, ki sprejema signale iz različnih virov.Ko nevron prejme impulz nad določenim pragom, ga takoj pošlje signal do naslednjih nevronov.
matematični model je malo drugačna.Prijava matematični model nevrona - vektor, ki je sestavljeno iz velikega števila komponent.Vsaka od komponento - je eden od impulzov, ki jih prejme nevronu.Izhod modela je ena številka.To pomeni, da v je model vhodni vektor pretvorimo skalarjem, kasneje pa se prenese na druge nevronov.
Nevronske mreže se lahko usposabljajo na dva načina: z in brez učitelja.Učni proces poteka v več korakih.Prosimo, vnesite omrežje služil spodbudo od zunaj.Nato v skladu s pravili spreminjanja prostih parametrov nevronske mreže, nato omrežje odziva na vhodni dražljaji imajo različno.Postopek je treba ponoviti, dokler omrežje ne reši problema.Nadzorovano učenje algoritem je, da se med vadbo na omrežje že ima pravilen odgovor.Ta metoda je bila uspešno uporabljena za številne aplikacije, vendar se pogosto kritizirali za dejstvu, da je biološko verjetna.Nevronske mreže so usposobljeni brez učitelja v primeru, če je edini znani vhodnih signalov.Na tej podlagi je mreža postopoma nauči dati najboljše izhode vrednosti.
Uporaba nevronskih mrež je zelo raznolika.Pogosto se uporablja za avtomatizacijo priznanja, napovedovanje, ustvarjanje različnih ekspertnih sistemov funkcionalna približek.Z lahko takšna omrežja opravlja avdio kazalniki za odkrivanje ali optični signal napovedati izmenjavo, ustvariti sistem, ki lahko samostojno učenje, ki se lahko, na primer, da se sintetizira govor iz danega besedila ali parkirišča.Nevronske mreže, ki se uporabljajo na Zahodu vedno bolj žal, domača podjetja še niso bili sprejeti to tehniko.
Kljub prednostim ANN o konvencionalnih izračunov na nekaterih področjih, obstoječih nevronskih mrež - ni popolna rešitev.Ker so se sposobni učiti, jih lahko bilo narobe.Poleg tega je nemogoče natančno, da se zagotovi, da je nevronska mreža zasnovana tako, da optimalno.Razvijalec je potrebno razumeti naravo problema, ki ga rešujemo, imajo veliko informacij, ki opisuje težave, da pridobi podatke za testiranje in usposabljanje mreže, izbrati pravo metodo usposabljanja, funkcija prenosa in funkcija gad.
