Artificiella neuronnät - är de som består av singular element - nervceller.De är matematiska modeller av biologiska neuroner, dvs celler som bygger upp nervsystemet.
först började prata om neurala nätverk 1943, men efter uppfinningen av Perceptron Rosenblatt kom den gyllene eran, och nätverk har blivit mycket populära.Men efter offentliggörandet av Minsk 1969, där en forskare har visat ineffektivitet Perceptron, under vissa förutsättningar, intresset för denna sektor föll kraftigt.Men historien slutar inte med artificiella nätverk.. År 1985 George Hopfield presenterade sina studier och visat att det neurala nätverk - ett utmärkt verktyg för maskininlärning.
lånades från biologi flera begrepp och principer.Neuron - ett slags växel som tar emot och sänder impulser (signaler).Om neuron får en tillräckligt stark drivkraft, är det troligt att den är aktiverad och sänder pulser återstående nervceller i samband med det.Neuron samma som inte aktiverades, förblir i ett tillstånd av vila, inte pulsen inte passera.Neuron består av flera huvudkomponenter: synapser som ansluter nervceller till varandra och tar emot pulser, axonet, vars uppgift är att sända pulser och dendrite, som tar emot signaler från olika källor.När en neuron erhåller en impuls över ett visst tröskelvärde, sänder den omedelbart en signal till nästa neuroner.
En matematisk modell är lite annorlunda.Log matematisk modell av neuron - en vektor som består av ett stort antal komponenter.Var och en av komponenten - är en av de pulser som tas emot av neuronen.Utgången av modellen är ett enda nummer.Det vill säga, i modellen invektorn omvandlas till en skalär, senare överföras till andra neuroner.
Neurala nätverk kan tränas på två sätt: med och utan en lärare.Inlärningsprocessen består av flera steg.Vänligen ange nätverksserveras en stimulans från utsidan.Därefter, i enlighet med reglerna för att ändra de fria parametrarna för det neurala nätverket, då nätverket svarar på ingångs stimuli har på olika sätt.Processen bör upprepas så länge nätverket inte löser problemet.Övervakad inlärning algoritm är att redan under träningen nätverket har det rätta svaret.Denna metod har använts framgångsrikt för många tillämpningar, men det är ofta kritiserats för att han är biologiskt osannolik.Neurala nätverk tränas utan en lärare i fall där de enda kända insignaler.På grundval av detta successivt lär nätverket för att ge de mest prisvärda utgångar.
Tillämpning av neurala nätverk är verkligen skiftande.Ofta används för automatisering av erkännande, prognoser, skapande av olika expertsystem funktionell tillnärmning.Med ett sådant nätverk kan utföra ljud upptäckt eller optisk signalindikatorer förutsäga utbyte, att skapa ett system som kan självstudier, som kan, till exempel, för att syntetisera tal från en given text eller parkeringsplats.Neurala nätverk som används i väst allt, tyvärr, inhemska företag har ännu inte antagit denna teknik.
Trots fördelarna med ANN på konventionella beräkningar i vissa områden, de befintliga neurala nätverk - inte en perfekt lösning.Eftersom de har möjlighet att lära sig, de kan vara felaktiga.Dessutom är det omöjligt att exakt säkerställa att det neurala nätet är utformad för att vara optimal.Utvecklaren krävs för att förstå vilken typ av problem som löses, har en hel del information som beskriver problemet att få fram data för testning och utbildning nätverk, välja rätt metod för utbildning, överföringsfunktionen och funktionen av huggorm.
