Вештачки невронски мрежи

Вештачки невронски мрежи - се оние кои се составени од посебни клетки - неврони. Тие се математички модели на биолошката неврони, односно, клетки кои го сочинуваат човечкиот нервен систем.

За прв пат се работи за невронски мрежи во 1943 година, и по пронаоѓањето на Perceptron Розенблат дојде златната ера и мрежи станаа многу популарни. Сепак, по објавувањето на Минск во 1969 година, во која научник покажа неефикасноста на Perceptron, под одредени услови, интересот за овој сектор падна нагло. Но, приказната не завршува со вештачки мрежи. . Во 1985 година, Ј Hopfield претстави своите студии и покажа дека нервните мрежа - одлична алатка за машинско учење.

Тоа е позајмена од биологија неколку концепти и принципи. Неврон - еден вид на прекинувач кој добива, а потоа пренесува импулси (сигнали). Ако неврон добива доволно моќен импулс, се верува дека тој е активиран и пренесува останатите неврони поврзани со неа на импулси. Неврон исто што не е активирана, таа и понатаму останува на одмор, тоа не пренесува пулсот. Неврон се состои од неколку главни компоненти: синапсите неврони кои го поврзуваат едни со други и да добијат пулсира, оска, кои пренесуваат импулси задача и дендритите, кое прима сигнали од различни извори. Кога еден неврон добива импулс над одреден праг, таа веднаш испраќа сигнал до следниот неврон.

Математичкиот модел е малку поинаква. Пријавете се математички модел на неврон - е вектор, која е составена од голем број на компоненти. Секоја од компонента - е една од импулси, кои се добиени од страна на неврон. На излез од овој модел е единствен број. Тоа е, модел влез вектор е претворена во скаларен, подоцна се пренесат на други неврони.

Нервните мрежи можат да бидат обучени во два начина: со и без учител. процесот на учење се состои од неколку чекори. Прво, на мрежата е влез од надвор стимул. Потоа, во согласност со прописите се разликуваат слободниот параметри на нервните мрежа, а потоа мрежата одговара на внесување стимули веќе поинаку. Процесот треба да се повторува се додека мрежата не се реши проблемот. Алгоритам за учење со учител е дека за време на обуката мрежата веќе има точен одговор. Овој метод се користи успешно за многу апликации, но тоа е често критикуван поради фактот дека тоа е биолошки неверојатна. Нервните мрежи се обучени без учител во случај кога единствената позната влезови. Врз основа на нив, мрежата постепено се учи да даде најдобри резултати вредност.

Примена на невронски мрежи е навистина разновидна. Тие често се користат за да се автоматизира препознавање, предвидување, создавање на различни експертски системи, приближување на functionals. Со таква мрежа може да се изврши звук признавање или оптички сигнали да се предвиди индикатори размена создаде системи способни за самостојно учење, која може, на пример, за синтеза на говор од даден текст или паркинг. Невронски мрежи на Запад се користи поактивно, за жал, на домашните фирми се уште не го усвои овој метод.

И покрај предностите на ANN на конвенционални пресметки во некои области, постојните невронски мрежи - не е идеално решение. Бидејќи тие се способни за учење, што може да биде во ред. Покрај тоа, не е точно може да гарантира дека развиените нервните мрежа е оптимално. Инвеститорот мора да се разбере природата на проблемот се решава, имаат голем број на информации што го опишува проблемот, да се добијат податоци за тестирање и обука на мрежата, да се избере вистинскиот метод на обука, трансфер функција и ехидна функции.