Umelé neurónové siete

Umelé neurónové siete - sú tie, ktoré sú tvorené zo špeciálnych buniek - neurónov. Sú matematické modely biologických neurónov, buniek, ktoré tvoria nervový systém človeka.

Prvýkrát hovoríme o neurónových sietí v roku 1943, a po vynálezu Perceptron Rosenblatt prišla zlatá éra, a siete sa stali veľmi populárne. Avšak, po zverejnení v Minsku v roku 1969, v ktorom bola vedec ukázal neefektívnosť Perceptron, za určitých podmienok, záujem v tomto sektore prudko klesli. Ale príbeh nekončí s umelými sietí. . V roku 1985, J. Hopfield predstavila svoje štúdium a dokázal, že neurónová sieť - skvelý nástroj pre strojové učenie.

To bolo prevzaté z biológie niekoľko konceptov a princípov. Neurón - druh spínača, ktorý prijíma a prenáša impulzy (signály). V prípade, že neurón dostane dostatočne silný impulz, sa predpokladá, že je aktivovaný a vysiela impulzy zostávajúce neuróny s ním spojené. Neurón rovnaký ktorý nebol aktivovaný, zostáva v pokoji, sa neprenáša pulz. Neurón sa skladá z niekoľkých základných častí: synapsií, ktoré sa pripájajú neuróny medzi sebou a dostávajú impulzy, axon, ktoré odovzdávajú impulzy úlohu a dendritov, ktorá prijíma signály z rôznych zdrojov. Keď neurón dostane impulz nad určitú hranicu, okamžite vyšle signál do ďalšieho neurónu.

Matematický model je trochu iný. Vstup matematický model neurónu - je vektor, ktorý je zložený z veľkého počtu súčiastok. Každý zo zložky - je jedným zo strukovín, ktoré sú prijímané v neurónu. Výstupom modelu je jediné číslo. To znamená, že v je model vstupnej vektor prevedie na skalárne, neskôr sa preniesol do iných neurónov.

Neurónové siete môžu byť školení v dvoma spôsobmi: s alebo bez učiteľa. Proces učenia sa skladá z niekoľkých krokov. Po prvé, na sieti je vstup z vonkajšieho podnetu. Potom, v súlade s predpismi meniť voľné parametre neurónové siete, potom sieť reaguje na vstupné podnety už inak. Tento proces by mal byť opakovaný tak dlho, kým sieť nerieši problém. Algoritmus učenia s učiteľom je, že počas výcviku v sieti už má správnu odpoveď. Táto metóda bola úspešne použitá v mnohých aplikáciách, ale to je často kritizovaná za to, že je biologicky nepravdepodobný. Neurónové siete sú vyškolení bez učiteľa v prípade, keď jedinými známymi vstupmi. Na ich základe sa sieť postupne učia vyjadruje hodnotu výstupov najlepší.

Aplikácia neurónových sietí je naozaj rozmanitá. Oni sú často používané pre automatizáciu rozpoznávania, predpovedanie, tvorba rôznych expertných systémov, aproximácie funkcionáló. S takou sieť môže vykonávať riadne uznanie alebo optické signály predpovedať výmenné ukazovatele vytvoriť systémy schopné sebavzdelávanie, ktoré môžu napríklad syntetizovať reč od daného textu alebo parkovisku. Neurónové siete na západe sú využívané aktívnejšie, bohužiaľ, domáce firmy doteraz mal túto metódu prijal.

Napriek výhodám ANN na konvenčných výpočtov v niektorých oblastiach, existujúce neurónové siete - nie je ideálne riešenie. Vzhľadom k tomu, že sú schopní učiť, môžu byť zle. Okrem toho nie je možné presne zaručiť, že vyvinula neurónové siete je optimálny. Vývojár musí rozumieť povahe problému rieši, majú veľa informácií, ktoré popisuje problém, získať dáta pre testovanie a školenie siete, vybrať ten správny spôsob prípravy, prenosové funkcie a výbavu funkcií.