|
Все статьи
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
<<---
--->>
ЭКСПЕРТНЫЕ СИСТЕМЫ
НЕЙРОННЫЕ СЕТИ
Искусственная нейронная сеть представляет собой
структуру, состоящую из нескольких слоев нейронов: из одного
входного слоя, одного или нескольких внутренних (так называемых
“скрытых”) слоев и из одного выходного слоя. Поток
обрабатываемой информации поступает на входной слой нейронов и
проходит через внутренние слои, а результаты обработки
информации выдаются через выходной слой нейронов. Во внутренних
слоях нейронов устанавливаются ассоциативные связи между
входными и выходными сигналами нейронной сети. Вариативность
ассоциативных связей между входными и выходными сигналами
обеспечивается за счет различия порогов чувствительности входов
нейронов (синапсов) к входным сигналам. Пороги чувствительности
устанавливаются и корректируются в процессе обучения нейронных
сетей.
Существует много различных методов обучения нейронной
сети. Наиболее популярным из них является метод,
основанный на корректировке ее структуры с учетом
результатов пробных решений (back
propagation
method).
По этому методу сначала заблаговременно подготавливается
достаточно представительное множество пар входных и
выходных данных – обучающая выборка. Затем входные
данные обучающей выборки последовательно вводятся в
нейронную сеть. Нейронная сеть сравнивает свои выходные
данные с выходными данными обучающей выборки, и если
они совпадают, то никаких корректировок связей внутри
нейронной сети не производится. Если не совпадают, то
эти связи корректируются, и выходные данные сети снова
сравниваются с выходными данными обучающей выборки.
Процесс обучения продолжается до тех пор, пока не будет
достигнута необходимая точность совпадения выходных
данных нейронной сети с выходными данными обучающей
выборки. После того, как нейронная сеть обучена, она
может применяться для решения практических задач.
В настоящее время нейронные сети уже довольно широко
используются для решения таких задач, как
прогнозирование, принятие решений в бизнесе,
распознавание образов (в частности, распознавание устной
и письменной речи), управление роботами, медицинская
диагностика. Тем не менее, некоторые американские ученые
не без основания считают, что основные успехи в этой
области еще впереди. Все типы нейронных сетей обучаются на примерах, а не
путем введения в них каких-то правил или математических
выражений. В настоящее время уже разработаны
коммерческие программы, которые позволяют пользователю
самостоятельно проектировать нейронные сети различного
назначения. Для этого ему достаточно подготовить для
поставленной задачи обучающую выборку (перечень
примеров ее решения). Затем с помощью этой выборки он
может самостоятельно обучить нейронную сеть.
Исследования в области нейронных сетей начались около
сорока лет назад, но их быстро затмили работы по
искусственному интеллекту, “базирующиеся на применении
правил” (rule
based
artificial
intelligence).
Однако позднее, благодаря прежде всего успехам в области
биологии, эти исследования снова обрели популярность и
привлекли к себе внимание широкого круга специалистов. В
1982 году трое известных ученых Хопфилд (Hopfield,
Мар (Marr)
и Кохонен (Kohonen)
независимо друг от друга опубликовали статьи,
посвященные нейронным сетям. Эти статьи и дюжина других
статей, появившиеся в начале 80-х годов прошлого века,
снова возбудили интерес к проблематике нейронных сетей.
В настоящее время это направление исследований и
разработок приобрело большую популярность.
|