Umetne nevronske mreže

Umetne nevronske mreže - so tisti, ki so sestavljene iz posebnih celic - nevronov. To so matematični modeli bioloških nevronov, celic, ki sestavljajo človeški živčni sistem.

Prvič govorimo o nevronskih mrež leta 1943, in po iznajdbi perceptrona Rosenblatt prišel v zlato dobo, in omrežja so postala zelo priljubljena. Vendar pa je po objavi Minsku leta 1969, v katerem je znanstvenik izkazala neučinkovitost perceptrona, pod določenimi pogoji, je zanimanje za ta sektor močno padla. Toda zgodba se ne konča z umetnimi omrežij. . Leta 1985, J. Hopfieldova predstavili študij in dokazala, da je nevronska mreža - odlično orodje za strojno učenje.

To je bila prevzeta iz biologije različnih konceptov in načel. Nevron - neke vrste stikalo, ki prejme in nato pošilja impulze (signale). Če nevron prejme dovolj močan zagon, je verjel, da se aktivira in pošilja impulze preostale nevronov, povezanih z njim. Nevron isti, ki ni bila aktivirana, je še vedno v mirovanju, ne prenašajo utrip. Nevron je sestavljen iz več glavnih sestavin: sinaps, ki povezujejo nevrone med seboj in sprejemanje impulzov, akson, ki oddajajo impulze nalogo in dendriti, ki sprejema signale iz različnih virov. Ko nevron prejme impulz nad določenim pragom, se takoj pošlje signal do naslednjega nevrona.

Matematični model je malo drugačna. Prijava matematični model iz nevrona - je vektor, ki je sestavljena iz velikega števila komponent. Vsaka komponenta - je eden od impulzov, ki jih nevronu prejetih. Izhod modela je ena številka. To pomeni, da pri se model vhodni vektor pretvorimo skalarjem, kasneje prenese na drugih nevronov.

Nevronske mreže se lahko usposabljajo na dva načina: z in brez učitelja. Učni proces je sestavljen iz več korakov. Prvič, na omrežju je vhod iz zunanje dražljaje. Potem, v skladu s predpisi, ki se razlikujejo prostih parametrov nevronske mreže, nato omrežje odziva na vhodne dražljaje že drugače. Postopek je treba ponoviti, dokler mreža ne reši problema. Učno algoritem z učiteljem, da med vadbo omrežje je že pravilen odgovor. Ta metoda je bila uspešno uporabljena za številne aplikacije, vendar pa je pogosto tarča kritik, ker je dejstvo, da je biološko nemogoče. Nevronske mreže so usposobljeni brez učitelja v primeru, ko je edini znani vhodi. Na podlagi njih je mreža postopoma uči, da dobimo najboljše rezultate, vrednost.

Uporaba nevronskih mrež je zelo raznolika. Pogosto se uporabljajo za avtomatizacijo prepoznavanja, napovedovanje, ustvarjanje različnih ekspertnih sistemov, približevanju funkcionala. Z lahko takšna omrežja izvesti zvočno priznanje ali optične signale napovedati kazalniki izmenjavo ustvariti sistem, ki lahko samostojno učenje, ki lahko, na primer, da se sintetizira govor iz danega besedila ali parkirišča. Nevronske mreže na Zahodu se uporablja bolj aktivno, na žalost, domača podjetja še niso bili sprejeti to metodo.

Kljub prednostim ANN o konvencionalnih izračunih na nekaterih področjih, obstoječi nevronske mreže - ne idealna rešitev. Ker so sposobni učenja, lahko bilo narobe. Poleg tega, da ne more natančno zagotoviti, da je razvil nevronska mreža optimalno. Razvijalec mora razumeti naravo problema, ki se naslovi, imajo veliko informacij, ki opisuje težave, pridobiti podatke za testiranje in omrežja za usposabljanje, izbrati pravo metodo usposabljanja, prenosne funkcije in seštevalnika funkcij.