yapay sinir ağları - nöron - tekil elemanlardan oluşur olanlardır.Onlar sinir sistemini oluşturan matematiksel biyolojik nöron modelleri, yani hücrelerdir.
ilk 1943 yılında sinir ağları hakkında konuşmaya başladı, ama Perseptron Rosenblatt icadından sonra altın çağ geldi ve ağlar çok popüler olmuştur.Ancak, bir bilim adamı Algılayıcı'nın verimsizlik kanıtlamıştır ki 1969 yılında Minsk yayınlanmasından sonra, belirli koşullar altında, bu sektörde ilgi hızla düştü.Ama hikaye yapay ağlar ile bitmiyor.. 1985 yılında, George Hopfield çalışmalarını sundu ve ispat sinir ağı bu - Makine öğrenme için harika bir araç.
biyoloji çeşitli kavram ve ilkeleri ödünç oldu.Nöron - alır ve dürtüler (sinyaller) iletir anahtarın bir tür.Nöron yeterince güçlü bir ivme alırsa, o aktif ve onunla ilişkili nöronlar kalan darbeleri gönderir olduğuna inanılmaktadır.Aktif değildi, aynı nöron, geri kalan bir durumda kalır, nabız geçmez.Birbirine bağlamak nöronları ve bakliyat, görevi bakliyat ve çeşitli kaynaklardan gelen sinyalleri alır dendrit, iletmek için akson, sinapslar aldığınız: Nöron birkaç ana bileşenden oluşur.Bir nöron belli bir sınırın üzerinde bir sinyal gönderir, hemen bir sonraki nöronlar için bir sinyal gönderir.
matematiksel bir model biraz farklı.Bileşenleri çok sayıda oluşan bir vektör - nöronun matematiksel model yapın.Bileşenin her biri - nöron tarafından alınan darbe biridir.Modelin çıkış tek sayıdır.Model giriş vektörü bir skalar dönüştürülür That, daha sonra diğer nöronlara aktarılır.
Yapay sinir ağları iki şekilde eğitilmiş olabilir: ve bir öğretmen olmadan.Öğrenme sürecinin çeşitli adımlardan oluşur.Lütfen giriş ağ dışarıdan bir uyarıcı görev yaptı.Giriş uyaranlara farklı olması Ardından, sinir ağının serbest parametrelerini değiştirme kurallarına uygun olarak, daha sonra ağ yanıt verir.Işlem ağı sorunu çözmüyor sürece tekrar edilmelidir.Denetimli öğrenme algoritması ağı eğitim sırasında zaten doğru cevabı olmasıdır.Bu yöntem başarılı birçok uygulama için kullanılmaktadır, ancak çoğu zaman biyolojik olarak mantıksız olduğu gerçeğini eleştirilmektedir.Yapay sinir ağları durumda bilinen tek giriş sinyalleri bir öğretmen olmadan eğitilmiştir.Bu temelde, ağ yavaş yavaş en iyi değeri çıkışlarını vermek öğrenir.Yapay sinir ağlarının
Uygulaması gerçekten çeşitlidir.Genellikle tanıma, tahmin, çeşitli uzman sistemlerin fonksiyonel yaklaşım oluşturulması otomasyonu için kullanılır.Böyle bir ağ, ses algılama veya optik sinyal göstergeleri alışverişi tahmin gerçekleştirebilirsiniz sayesinde, örneğin, belirli bir metin veya otoparka konuşma sentezlemek için öz-öğrenme, yetenekli bir sistemi oluşturmak için.Batı'da kullanılan sinir ağları giderek, ne yazık ki, yerli firmalar henüz bu tekniği benimsemiş değil.Değil mükemmel bir çözüm - bazı alanlarda geleneksel hesaplamalar mevcut sinir ağları YSA avantajlarına rağmen
.Onlar öğrenmek mümkün olduklarından yanlış olabilir.Buna ek olarak, sinir ağı en iyi olacak şekilde tasarlanmıştır sağlamak için doğru bir imkansızdır.Geliştirici eğitimi doğru yöntemi, test ve eğitim ağı için veri elde seçmek için, sorunu açıklayan bir sürü bilgi var, sorunun niteliği çözülmüş olan anlamak için gerekli olan, transfer fonksiyonu ve toplayıcının işlevi.
