Yapay sinir ağları

Yapay sinir ağları - nöronlar - özel hücrelerden oluşur olanlardır. Bunlar insan sinir sistemini oluşturan biyolojik nöronların, yani hücrelerin matematiksel modellerdir.

İlk defa 1943 yılında sinir ağları bahsediyoruz ve Perseptron Rosenblatt icadından sonra altın çağ geldi ve ağlar çok popüler hale gelmiştir. Ancak, bir bilim adamı Algılayıcı'nın verimsizliği kanıtlamıştır ki 1969 yılında Minsk yayınlanmasından sonra, belirli koşullar altında, bu sektörde ilgi hızla düştü. Ama hikaye yapay ağlarla bitmiyor. . 1985 yılında J. Hopfield onların araştırmalarını sunarak sinir ağı kanıtladı - makine için harika bir araç öğrenme.

Bu biyoloji birkaç kavram ve ilkelerinin ödünç oldu. Nöron - o zaman alır ve anahtarın bir tür darbeleri (sinyalleri) iletir. nöron yeterince güçlü bir ivme alırsa, aktif hale getirildiğine inanılmaktadır ve bununla ilgili nöronların geri kalan darbeleri iletir. aktif değildi aynı Nöron, buna darbe iletmez, dinlenmeye çekilir. birbirine nöronlar bağlamak ve çeşitli kaynaklardan gelen sinyalleri alır darbeler görev ve dendrit iletimi baklagiller, akson almak sinaps: Nöron birkaç ana bileşenden oluşur. Bir nöron belli bir sınırın üzerinde bir impuls aldığında, hemen bir sonraki nöron için bir sinyal gönderir.

matematiksel model biraz farklıdır. Giriş matematiksel model bir nöronun - bileşenleri çok sayıda oluşan bir vektördür. bileşenin her biri - nöron tarafından alınan darbelerin, biridir. Modelin çıktısı tek sayıdır. Model giriş vektörü bir sayısal dönüştürülür olarak bu, daha sonra diğer nöron aktarılır.

Sinir ağları iki şekilde eğitilmiş olabilir: ile ve bir öğretmen olmadan. öğrenme işlemi birkaç adımdan oluşur. İlk olarak, ağdaki dış uyarandan girişidir. düzenlemelere uyum sinir ağının serbest parametreler değişir de Sonra, ardından ağ zaten farklı giriş uyaranlara yanıt verir. süreç ağ sorunu çözmez sürece tekrarlanmalıdır. Bir öğretmen ile öğrenme algoritması ağını eğitim sırasında zaten doğru cevabı sahip olmasıdır. Bu yöntem başarıyla birçok uygulama için kullanılmaktadır, ancak çoğu zaman biyolojik olarak mantıksız olmasından dolayı eleştirilmektedir. Sinirsel ağlar durumda sadece bilinen girişler öğretmen olmadan eğitilmiştir. onlara göre, ağ giderek en iyi değeri çıktısı elde etmek için öğrenir.

sinir ağlarının uygulama gerçekten çeşitlidir. Bunlar genellikle çeşitli tanınması, tahmin, oluşturulmasını otomatikleştirmek için kullanılır uzman sistemlerin, fonksiyonellerin yakınlaştırılması. Böyle bir ağ tahmin etmek ses tanıma veya optik sinyalleri gerçekleştirebilir ile değişim göstergeleri, örneğin, belirli bir metin veya otoparka konuşma sentezleme olabilir kendi kendine öğrenme, yetenekli sistemlerini oluşturmak. Batı'da Sinir ağları daha aktif maalesef yerli firmalar henüz bu yöntemi benimsemişti değil kullanılan edilir.

değil ideal çözüm - bazı bölgelerde geleneksel hesaplamaları, mevcut sinir ağları üzerinde YSA avantajlarına rağmen. Onlar öğrenme yeteneğine sahip olduklarından, yanlış olabilir. Buna ek olarak, tam olarak geliştirilen sinir ağı optimum olduğunu garanti edemez. geliştirici, test ve eğitim ağı için veri elde etmek, sorunu açıklanır birçok bilgi var, problemin doğası ele alınan anlamalısınız eğitim, transfer fonksiyonu ve toplayıcı fonksiyonlarının doğru yöntemi seçmek için.