Изкуствени невронни мрежи

Изкуствените невронни мрежи са тези, които се състоят от специални елементи - неврони. Те са математически модел на биологичните неврони, т.е. клетки, които съставят човешката нервна система.

За пръв път през 1943 г. се говореше за невронни мрежи и след изобретяването на Розенблат пеперцерон дойде златната ера и мрежите станаха много популярни. Въпреки това, след публикуването на труда в Минск през 1969 г., в който ученият доказва, че ефективността на perceptron е неефективна при определени условия, интересът към тази индустрия е спаднал рязко. Но историята на изкуствените мрежи не свършва тук. През 1985 г. J. Hopfield представя изследванията си и доказва, че нервните мрежи са отличен инструмент за машинно обучение.

От биологията бяха заимствани няколко понятия и принципи. Невронът е вид ключ, който приема и след това предава импулси (сигнали). Ако неврона получава достатъчно мощен импулс, като се смята, че тя се активира и предава останалите неврони, свързани с него импулсите. Невронът, който остава неактивен, остава в покой, импулсът не се предава. Neuron състои от няколко основни компонента: синапси, които се свързват неврони помежду си и получават импулси, аксон, които предават импулси задача и дендрити, който получава сигнали от различни източници. Когато неврон получи пулс над определен праг, той незабавно предава сигнала на следващите неврони.

Математическият модел е малко по-различен. Влезте математически модел Невронът е вектор, който се състои от голям брой компоненти. Всеки от техните компоненти е един от импулсите, които невронът получава. Изходът на модела е едно число. Това означава, че вътрешният модел се трансформира в скалар, който по-късно се предава на други неврони.

Невронните мрежи могат да бъдат обучени по два начина: с учителя и без него. Учебният процес се състои от няколко стъпки. Първо, на входа на мрежата се въвежда стимул отвън. След това, в съответствие с правилата, свободните параметри на невронната мрежа се променят, след което мрежата реагира по различен начин на входните стимули. Процесът трябва да се повтори, докато мрежата реши задачата. Учебният алгоритъм с учителя е, че по време на обучението мрежата вече има правилния отговор. Този метод се използва успешно за решаването на много приложни проблеми, но често се критикува, че е биологически неприемлив. Невронните мрежи се преподават без учител, когато са известни само входни сигнали. На тяхна база мрежата постепенно се учи да дава по-добри резултати.

Използването на невронни мрежи е много разнообразно. Често те се използват за автоматизиране на разпознаване на модели, прогнозиране, създаване на различни експертни системи, сближаване на функциите. С такава мрежа може да изпълнява звук признаване или оптични сигнали, за да се предскаже показатели за обмен създават системи, позволяващи самообучение, което може, например, да синтезира речта от даден текст или паркинг. Невронните мрежи на запад се използват по-активно, за съжаление местните фирми все още не са приели тази техника.

Въпреки предимствата на ANN в сравнение с конвенционалните изчисления в някои области, съществуващите невронни мрежи не са идеални решения. Тъй като те са способни да учат, те може да са погрешни. Освен това не можете да гарантирате, че развитата невронна мрежа ще бъде оптимална. Разработчикът е длъжен да разбере естеството на решавания проблем, да разполага с много информация, която характеризира проблема, да получи данни за тестване и учене на мрежата, правилно да избере метода на обучение, функцията за прехвърляне и функциите на суматора.