Neuroverkkoja

Neuroverkkoja - ovat ne, jotka koostuvat erityisiä soluja - neuronien. Ne ovat matemaattisia malleja biologisen neuronien eli solut, jotka muodostavat ihmisen hermostoon.

Ensimmäistä kertaa puhumme neuroverkot 1943 ja kun keksintö Perceptron Rosenblattin tuli kultakauden ja verkostoja on tullut hyvin suosittuja. Kuitenkin julkistamisen jälkeen Minskin vuonna 1969, jossa tutkija on osoittautunut tehottomuus Perceptron tietyin edellytyksin, kiinnostus alan laski jyrkästi. Mutta tarina ei pääty keinotekoisia verkkoihin. . Vuonna 1985 J. Hopfield esittelivät tutkimuksia ja osoitti, että neuroverkko - erinomainen työkalu koneoppimisen.

Se lainattu biologian useita käsitteitä ja periaatteita. Neuroni - eräänlainen kytkin, joka vastaanottaa ja lähettää sitten pulssien (signaalit). Jos neuroni saa riittävän tehokas vauhtia, uskotaan, että se on aktivoitu, ja lähettää pulssit jäljellä liittyvien neuronien kanssa. Neuroni sama, jota ei ole aktivoitu, se pysyy levossa, se ei lähetä pulssi. Neuroni koostuu useista tärkeimmät osat: synapseissa yhteyden neuronien toisiinsa ja vastaanottaa pulsseja, aksonin, jotka lähettävät impulsseja tehtävä ja dendriiteissä, joka vastaanottaa signaaleja eri lähteistä. Kun neuroni vastaanottaa impulssin ylittää tietyn kynnysarvon, se välittömästi lähettää signaalin seuraavan neuronin.

Matemaattinen malli on hieman erilainen. Tulo matemaattinen malli hermosolun - on vektori, joka koostuu useita komponentteja. Jokainen komponentti - on yksi pulssien, jotka vastaanotetaan neuroni. Lähtö malli on yksi numero. Että on, että malli tulovektorin muunnetaan skalaari, siirrettiin myöhemmin toisiin neuroneihin.

Neuroverkot voidaan kouluttaa kahdella tavalla: ja ilman opettajan. Oppimisprosessi koostuu useista vaiheista. Ensinnäkin verkon syötetään ulkopuolelta ärsyke. Sitten asetusten mukaisesti vaihdella vapaasti parametrit neuroverkon, niin verkko vastaa syötettävä ärsykkeille jo eri tavalla. Prosessi on toistettava niin kauan kuin verkko ei ratkaise ongelmaa. Oppimisen algoritmi opettaja on, että koulutuksen aikana verkko on jo oikea vastaus. Tätä menetelmää on käytetty onnistuneesti monissa sovelluksissa, mutta se on usein arvosteltu siitä, että se on biologisesti uskottava. Neuroverkot koulutetaan ilman opettajan siinä tapauksessa ainoa tunnettu tuloa. Niiden perusteella verkon vähitellen oppii antaa paras arvo lähdöt.

Soveltaminen Neuroverkkojen on todella monipuolinen. Niitä käytetään usein automatisoida tunnustamista, ennustaminen, luotu erilaisia asiantuntija järjestelmien lähentämistä funktionaalien. Tällaisen verkon voi suorittaa äänen tunnustamista tai optisia signaaleja ennustaa vaihtoon indikaattoreita luoda järjestelmiä, jotka pystyvät itseoppiminen, joka voi esimerkiksi syntetisoimiseksi puheen tekstistä tai pysäköintialue. Neuroverkot lännessä käytetään entistä aktiivisemmin, valitettavasti kotimaiset yritykset eivät ole vielä ollut hyväksynyt tätä menetelmää.

Huolimatta eduista ANN tavanomaisten laskelmiin joillakin alueilla, nykyisten neuroverkot - ei ole ihanteellinen ratkaisu. Koska ne pystyvät oppimisen, ne voivat olla väärässä. Lisäksi et voi tarkalleen taata, että kehittynyt neuroverkko on optimaalinen. Kehittäjä on ymmärrettävä ongelman luonteesta käsitellään, on paljon tietoa, joka kuvaa ongelmaa, saadakseen tietoja testaukseen ja koulutuksen verkko, valita oikea menetelmä koulutusta, siirtofunktio ja lisätoiminto toimintoja.