25900 авторів і 91 редактор відповіли на 98952 питання,
розмістивши 129771 посилання на 81900 сайтів, приєднуйтесь!

Реклама партнерів:

Що таке штучна нейронна мережа?

РедагуватиУ обранеДрук

Штучна нейронна мережа (ІНС) - це математична модель, представляє собою систему з'єднаних і взаємодіючих між собою нейронів.

Розглянемо будову біологічного нейрона. Кожен нейрон має відростки нервових волокон двох типів - дендрити, за якими приймаються імпульси, і єдиний аксон, за яким нейрон може передавати імпульс. Аксон контактує з дендритами інших нейронів через спеціальні освіти - синапси, які впливають на силу імпульсу.

Можна вважати, що при проходженні синапсу сила імпульсу змінюється в певне число разів, яке ми будемо називати вагою синапса. Імпульси, що надійшли до нейрона одночасно по декількох дендритам, підсумовуються. Якщо сумарний імпульс перевищує деякий поріг, нейрон збуджується, формує власний імпульс і передає його далі по аксону. Важливо відзначити, що ваги синапсів можуть змінюватися з часом, а значить, змінюється і поведінка відповідного нейрона.

ІНС успішно використовується в наступних областях:
bull- Розпізнавання символів тексту та інших об'єктів.
bull- Розпізнавання мови.
bull- Управління рухом транспортного засобу і т. д ..
bull- Класифікація ситуацій.
bull- Кластеризація (категоризація) - класифікація без «вчителя».
bull- Прогнозування.
bull- Апроксимація.
bull- Прийняття рішень.

Нейронні мережі не програмуються у звичному розумінні цього слова, вони навчаються. Можливість навчання - одна з головних переваг нейронних мереж перед традиційними алгоритмами. Технічно навчання полягає в знаходженні коефіцієнтів зв'язків між нейронами.

Розробникам рішення на основі нейронної мережі потрібно:
1. вибрати відповідну модель мережі, визначити топологію мережі (число елементів і їх зв'язку);
2. вказати параметри навчання.

На першому етапі слід вибрати наступне:
- які нейрони ми хочемо використовувати (число входів, передавальні функції);
- яким чином слід з'єднати їх між собою;
- що взяти в якості входів і виходів нейронної мережі.
Найбільш популярні та вивчені архітектури - це багатошаровий перцептрон, нейронна мережа із загальною регресією, нейронні мережі Кохонена, мережа Ворда, мережа Хопфільда та інші.

На другому етапі нам слід "навчити" обрану нейронну мережу, тобто підібрати такі значення її ваг, щоб вона працювала потрібним чином. Ненавчена нейронна мережа подібна дитині - її можна навчити чому завгодно. У використовуваних на практиці нейронних мережах кількість ваг може становити кілька десятків тисяч, тому навчання - дійсно складний процес. Для багатьох архітектур розроблені спеціальні алгоритми навчання, які дозволяють налаштувати ваги нейронної мережі певним чином. Найбільш популярний з цих алгоритмів - метод зворотного поширення помилки (Error Back Propagation), використовуваний, наприклад, для навчання перцептрона.

Безкоштовні пакети для створення нейронних мереж
Fann (С ++) з можливістю роботи на різних мовах через веб сервіси.
NeuralBase (Delphi)

Додатки
Wikipedia.org - каталог термінів і деяких алгоритмів побудови нейромережі.
Стаття про міфи і реальностях використання нейромереж для аналізу руху цін.
Матеріали лекцій шкіл-семінарів з нейроінформатіке.
Лекції по машинному навчанню і нейронних мереж.

Форуми
Neuroproject.ru
Basegroup.ru

Джерела
Wikipedia.org
Neuroproject.ru

Реклама партнерів:

РедагуватиУ обранеДрук

Схожі питання


«Що таке штучна нейронна мережа?»

В інших пошукових системах:

GoogleЯndexRamblerВікіпедія

» » Що таке штучна нейронна мережа?