Les xarxes neuronals artificials

Les xarxes neuronals artificials - són els que es compon de cèl·lules especials - les neurones. Són models matemàtics de neurones biològiques, és a dir, cèl·lules que componen el sistema nerviós humà.

Per primera vegada estem parlant de xarxes neuronals en 1943, i després de la invenció del Perceptrón Rosenblatt va arribar l'era d'or, i les xarxes s'han tornat molt populars. No obstant això, després de la publicació de Minsk el 1969, en què un científic ha demostrat la ineficàcia de Perceptron, sota certes condicions, l'interès en aquest sector es va reduir significativament. Però la història no acaba amb les xarxes artificials. . El 1985, J. Hopfield va presentar els seus estudis i va demostrar que la xarxa neuronal - una gran eina per a l'aprenentatge de la màquina.

Va ser pres de la biologia diversos conceptes i principis. Neurona - una mena d'interruptor que rep i transmet els impulsos (senyals). Si la neurona rep un impuls prou potent, es creu que s'activa i transmet els impulsos de les neurones associades amb ella restants. Neurona mateixa que no s'ha activat, es manté en repòs, no transmet impulsos. Neurona consta de diversos components principals: sinapsis que connecten les neurones entre si i reben polsos, axó, que transmeten tasca i dendrites impulsos, que rep senyals de diverses fonts. Quan una neurona rep un impuls per sobre d'un cert llindar, s'envia immediatament un senyal a la següent neurona.

El model matemàtic és una mica diferent. Entrada model matemàtic d'una neurona - és un vector, que es compon d'un gran nombre de components. Cadascun dels components - és una de les llegums, que són rebudes per la neurona. La sortida del model és un sol número. És a dir, en el vector d'entrada model es converteix en un escalar, més tard transferit a altres neurones.

Les xarxes neuronals poden ser entrenats de dues formes: amb i sense un mestre. El procés d'aprenentatge consisteix en diversos passos. En primer lloc, a la xarxa s'introdueix des de l'estímul exterior. Llavors, d'acord amb les regulacions varien els paràmetres lliures de la xarxa neuronal, llavors la xarxa respon a estímuls d'entrada ja diferent. El procés s'ha de repetir sempre que la xarxa no resol el problema. L'algoritme d'aprenentatge amb un mestre és que durant la formació de la xarxa ja té la resposta correcta. Aquest mètode ha estat utilitzat amb èxit per a moltes aplicacions, però sovint és criticat pel fet que és biològicament plausible. Les xarxes neuronals es formen sense que el mestre en el cas que les entrades només es coneix. Basant-se ells, la xarxa aprèn gradualment a donar els millors resultats de valor.

Aplicació de les xarxes neuronals és molt diversa. Sovint s'utilitzen per automatitzar el reconeixement, la previsió, la creació de diversos sistemes experts, la aproximació dels funcionals. Amb una xarxa d'aquest tipus pot dur a terme el reconeixement de sons o senyals òptics per predir els indicadors de canvi de crear sistemes capaços d'auto-aprenentatge, que pot, per exemple, per sintetitzar la parla d'un text donat o aparcament. Les xarxes neuronals a Occident s'utilitzen de manera més activa, per desgràcia, les empreses nacionals encara no s'havien adoptat aquest mètode.

Tot i els avantatges de ANN en càlculs convencionals en algunes àrees, les xarxes neuronals existents - no la solució ideal. Ja que són capaços d'aprendre, poden estar equivocats. A més, no es pot garantir amb exactitud que la xarxa neuronal desenvolupada és òptima. El desenvolupador ha d'entendre la naturalesa del problema a tractar, té una gran quantitat d'informació que descriu el problema, per obtenir dades de prova i xarxa de formació, per triar el mètode correcte de la formació, funció de transferència i funcions de sumador.