Tehisnärvivõrgud

Tehisnärvivõrgud - on need, mis koosnevad erikärgede - neuroneid. Nad on matemaatilised mudelid bioloogiliste neuronite, st rakud, mis moodustavad inimese närvisüsteemile.

Esmakordselt räägime närvivõrgud 1943. aastal ja pärast leiutis perceptron Rosenblatt tuli kuldne ajastu ja võrgud on muutunud väga populaarseks. Kuid pärast avaldamist Minsk 1969, kus teadlane on osutunud ebaefektiivsus perceptron, teatud tingimustel huvi selle sektori langes järsult. Aga lugu ei lõpe kunstlik võrkudes. . Aastal 1985, J. Hopfieldi esitatakse nende uuringute ja tõestas, et Närvivõrgus - suurepärane vahend masina õppimist.

See oli bioloogiast võetud mitmeid mõisteid ja põhimõtteid. Neuron - mingi lüliti, mis võtab vastu ja seejärel edastab impulsid (signaalid). Kui neuron saab piisavalt võimas hoog, usutakse, et see on aktiveeritud ja edastab impulsside ülejäänud neuronite sellega seotud. Neuron sama mis pole aktiveeritud, siis jääb ülejäänud, see ei edasta impulsi. Neuron koosneb mitmest osast: sünapside mis ühendavad neuronite üksteisele ja impulsside vastuvõtuks, aksoni impulsside ülekandmiseks ülesanne ja dendriitide mis saab signaale erinevatest allikatest. Kui neuron saab impulss ületab teatud künnise, kohe saadab signaali järgmise neuroni.

Matemaatiline mudel on veidi erinev. Logi sisse matemaatilise mudeli neuroni - on vektor, mis koosneb suur hulk komponente. Iga komponendi - on üks kaunviljad, mille saab neuron. Väljund mudel on ühe numbri. See tähendab, et selles mudelis sisendivektori muundatakse skalaar, hiljem üle teistele neuronitele.

Närvivõrgud saab õpetada kahel viisil: ja ilma õpetaja. Õppeprotsess koosneb mitmest etapist. Esiteks võrgus on sisendiks väljastpoolt stiimulile. Seejärel kooskõlas määruste erineda vaba parameetrid Närvivõrgus, siis võrk vastab sisendtoime juba erinevalt. Protsessi tuleb korrata seni, kuni võrk ei lahenda probleemi. Õppe algoritmi õpetaja on see, et treeningu ajal võrgu juba õige vastus. See meetod on edukalt kasutada paljudes rakendustes, kuid see on sageli kritiseeritud selle eest, et see on bioloogiliselt ebausutavaks. Närvivõrgud on koolitatud ilma õpetaja puhul, kus ainus teadaolev sisendid. Tuginedes neile võrgustik järk-järgult õpib anda parima hinna väljundid.

Application närvivõrkude on tõesti erinevad. Neid kasutatakse sageli automatiseerida tunnustamine, prognoosimine, loodud erinevaid ekspert süsteemid, õigusaktide functionals. Sellise võrgu saab teha heli tunnustamise või optilisi signaale ennustada vahetada näitajad luua süsteeme, mis on võimeline iseõppeoskuste, mis võib näiteks sünteesida kõnet antud teksti või parkla. Närvivõrgud Lääne kasutatakse aktiivsemalt kahjuks kodumaised ettevõtted ei ole veel vastu võtnud seda meetodit.

Vaatamata eeliseid ANN tavaliste arvutused mõnes valdkonnas, olemasolevaid närvivõrgud - mitte ideaalne lahendus. Kuna nad on võimelised õppimist, nad võivad olla valed. Lisaks ei saa te täpselt tagada, et arenenud Närvivõrgus on optimaalne. Arendaja peab mõistma probleemi olemust tegeldakse, on palju teavet, mis kirjeldab probleemi, et saada andmeid katsetamine ja koolitus võrgustik, valida õige meetod koolituse, ülekandefunktsiooni ja liitja funktsioone.