Ხელოვნური ნეირონული ქსელების

ხელოვნური ნეირონული ქსელები - არიან ისეთებიც, რომლებიც შედგება სპეციალური საკნები - ნეირონების. ისინი მათემატიკური მოდელების ბიოლოგიური ნეირონების, ანუ უჯრედები ადამიანის ნერვული სისტემა.

პირველად ჩვენ ვსაუბრობთ ნერვული ქსელების 1943 წელს და მას შემდეგ, გამოგონება Perceptron როზენბლატი მოვიდა ოქროს ერა და ქსელები გახდა ძალიან პოპულარული. თუმცა, გამოქვეყნების შემდეგ მინსკში 1969 წელს, რომელშიც მეცნიერი დაამტკიცა არაეფექტურობა Perceptron, გარკვეულ პირობებში, ინტერესი ამ სექტორში მკვეთრად დაეცა. მაგრამ ამბავი არ მთავრდება ხელოვნური ქსელები. . 1985 წელს, J. Hopfield წარმოდგენილი სწავლა და დაამტკიცა, რომ ნერვული ქსელის - დიდი იარაღია მანქანა სწავლის.

ეს იყო ნასესხები ბიოლოგიის რამდენიმე ცნებები და პრინციპები. ნეირონ - სახის შეცვლა, რომელიც იღებს და შემდეგ გადასცემს pulses (სიგნალები). თუ ნეირონი იღებს საკმარისად ძლიერი იმპულსი, მას სჯეროდა, რომ იგი გააქტიურდა და აგზავნის pulses დარჩენილი ნეირონების უკავშირდება მას. ნეირონ იგივე რაც არ იყო გააქტიურებული, ეს რჩება დანარჩენი, ის არ გადასცემს პულსი. ნეირონ შედგება რამდენიმე ძირითადი კომპონენტი: სინაფსების რომ დაკავშირება ნეირონების ერთმანეთს და მიიღონ pulses, axon, რომელიც გადასცემს იმპულსების ამოცანა და dendrites, რომელიც იღებს სიგნალებს სხვადასხვა წყაროდან. როდესაც ნეირონი იღებს იმპულსი ზემოთ გარკვეული ბარიერი, მაშინვე აგზავნის სიგნალს შემდეგი neuron.

მათემატიკური მოდელი არის ცოტა განსხვავებული. შესვლა მათემატიკური მოდელი of ნეირონი - არის ვექტორი, რომელიც შედგება დიდი რაოდენობით კომპონენტები. თითოეული კომპონენტი - ერთ-ერთი pulses, რომლებიც მიერ მიღებული neuron. გამოშვება მოდელი ერთი ნომერი. რომ არის, მოდელი შეყვანის ვექტორი გარდაიქმნება სკალარული, მოგვიანებით სხვა ნეირონების.

ნერვული ქსელების შეიძლება მომზადებული ორი გზა: გარეშე მასწავლებლად. სასწავლო პროცესი შედგება რამდენიმე ნაბიჯები. პირველ რიგში, ქსელში შეყვანის გარედან სტიმული. ამის შემდეგ, რეგლამენტის შესაბამისად განსხვავდება უფასო პარამეტრების ნერვული ქსელის, მაშინ ქსელში ეხმაურება input სტიმული უკვე განსხვავებულად. პროცესი უნდა განმეორდეს, რადგან ქსელში არ გადაჭრის პრობლემას. სწავლის ალგორითმი მასწავლებელი არის, რომ სასწავლო ქსელში უკვე სწორი პასუხი. ეს მეთოდი წარმატებით გამოიყენება მრავალი განაცხადების, მაგრამ ეს ხშირად აკრიტიკებენ იმის გამო, რომ ეს ბიოლოგიურად დაუჯერებელია. ნერვული ქსელების გადიან გარეშე მასწავლებლის იმ შემთხვევაში, ერთადერთი ცნობილი საშუალებებით. მათ საფუძველზე, ქსელის თანდათან გაიგებს, რათა საუკეთესო მნიშვნელობა შედეგები.

განაცხადის ნერვული ქსელების მართლაც მრავალფეროვანია. ისინი ხშირად გამოიყენება ავტომატიზაცია აღიარება, პროგნოზირება, შექმნის სხვადასხვა ექსპერტული სისტემების, დაახლოების functionals. ასეთი ქსელის შეუძლია შეასრულოს ხმის აღიარება და ოპტიკური სიგნალების პროგნოზირება გაცვლა მაჩვენებლები სისტემების შექმნის შეუძლია თვითმმართველობის სწავლისა, რომელიც შეიძლება, მაგალითად, სინთეზის სიტყვის მოცემული ტექსტი ან ავტოსადგომზე. ნერვული ქსელების დასავლეთში უფრო აქტიურად გამოიყენება, სამწუხაროდ, შიდა ფირმები ჯერ კიდევ არ ჰქონდა მიღებული ამ მეთოდით.

მიუხედავად იმისა, რომ უპირატესობა ANN ჩვეულებრივი გათვლებით გარკვეულ სფეროებში, არსებული ნერვული ქსელების - არ არის იდეალური გადაწყვეტა. მას შემდეგ, რაც ისინი შეუძლია სწავლის, ისინი შეიძლება იყოს არასწორი. გარდა ამისა, თქვენ შეგიძლიათ ზუსტად არ იძლევა გარანტიას, რომ განვითარებული ნერვული ქსელის არის ოპტიმალური. დეველოპერი უნდა გვესმოდეს, რომ ბუნების პრობლემა გვარდება, აქვს ბევრი ინფორმაცია, რომელიც აღწერილია პრობლემა, მონაცემების მოპოვება, ტესტირებისა და სასწავლო ქსელის, არჩევანის უფლება მეთოდი ტრენინგი, გადაცემის ფუნქცია და გველგესლა ფუნქციები.