Umělé neuronové sítě

Umělé neuronové sítě - jsou ty, které jsou tvořeny ze speciálních buněk - neuronů. Jsou matematické modely biologických neuronů, buněk, které tvoří nervový systém člověka.

Poprvé hovoříme o neuronových sítí v roce 1943, a po vynálezu perceptronu Rosenblatt přišla zlatá éra, a sítě se staly velmi populární. Nicméně, po zveřejnění v Minsku v roce 1969, v němž byla vědec ukázal neefektivnost Perceptron, za určitých podmínek, zájem v tomto sektoru prudce klesly. Ale příběh nekončí s umělými sítí. . V roce 1985, J. Hopfield představila své studium a dokázal, že neuronová síť - skvělý nástroj pro strojové učení.

To bylo převzato z biologie několik konceptů a principů. Neuron - druh spínače, který přijímá a přenáší impulsy (signály). V případě, že neuron obdrží dostatečně silný impuls, se předpokládá, že je aktivován a vysílá impulsy zbývající neurony s ním spojené. Neuron stejný který nebyl aktivován, zůstává v klidu, se nepřenáší puls. Neuron se skládá z několika základních částí: synapsí, které se připojují neurony mezi sebou a dostávají impulsy, axon, které předávají impulsy úkol a dendritů, která přijímá signály z různých zdrojů. Když neuron obdrží impuls nad určitou hranici, okamžitě vyšle signál do dalšího neuronu.

Matematický model je trochu jiný. Vstup matematický model neuronu - je vektor, který je složen z velkého počtu součástek. Každý ze složky - je jedním z luštěnin, které jsou přijímány v neuronu. Výstupem modelu je jediné číslo. To znamená, že v je model vstupní vektor převede na skalární, později se přenesl do jiných neuronů.

Neuronové sítě mohou být školeni v dvěma způsoby: s nebo bez učitele. Proces učení se skládá z několika kroků. Za prvé, na síti je vstup z vnějšího podnětu. Poté, v souladu s předpisy měnit volné parametry neuronové sítě, pak je síťový reaguje na vstupní podněty již jinak. Tento proces by měl být opakován tak dlouho, dokud síť neřeší problém. Algoritmus učení s učitelem je, že během výcviku v síti již má správnou odpověď. Tato metoda byla úspěšně použita v mnoha aplikacích, ale to je často kritizována za to, že je biologicky nepravděpodobný. Neuronové sítě jsou vyškoleni bez učitele v případě, kdy jedinými známými vstupy. Na jejich základě se síť postupně učí vyjadřuje hodnotu výstupů nejlepší.

Aplikace neuronových sítí je opravdu rozmanitá. Oni jsou často používány pro automatizaci rozpoznávání, předpovídání, tvorba různých expertních systémů, aproximace funkcionálu. S takovou síť může provádět řádné uznání nebo optické signály předpovědět výměnné ukazatele vytvořit systémy schopné sebevzdělávání, které mohou například syntetizovat řeč od daného textu nebo parkovišti. Neuronové sítě na západě jsou využívány aktivněji, bohužel, domácí firmy dosud měl tuto metodu přijal.

Navzdory výhodám ANN na konvenčních výpočtů v některých oblastech, stávající neuronové sítě - není ideální řešení. Vzhledem k tomu, že jsou schopni učit, mohou být špatně. Kromě toho není možné přesně zaručit, že vyvinula neuronová síť je optimální. Vývojář musí rozumět povaze problému řeší, mají mnoho informací, které popisuje problém, získat data pro testování a školení sítě, vybrat ten správný způsob přípravy, přenosové funkce a výbavu funkcí.