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.