Размещено на http://www.allbest.ru/

Введение в нейронные сети

Рейхерт В.С.

Тюменский государственный нефтегазовый университет

Тюмень, Россия

Первая ЭВМ была создана в 1946 году (США). В настоящее время компьютерные технологии шагнули далеко вперёд. Сейчас не вообразить, что могут современные компьютеры. Их вычислительные способности растут в геометрической прогрессии. Человечество на этом не останавливается и создаёт более мощные процессоры для вычисления больших объёмов информации, например, нейронные сети.

В начале 60-х годов Б. Уидроу, который был радиоинженером, разработал первую в мире искусственную нейронную сеть «Адалайн», а также он создал для этой сети алгоритм, который давал возможность обучать её распознавать образы.

Первая компания, которая заинтересовалась искусственными нейроными сетями, была Intel. Работы по этой теме были начаты в 1988 году. В 1989 году был представлен первый рабочий образец нейропроцессора i80170NX. Годом позже Intel, совместно с другими компаниями, приступила к разработке цифрового нейрочипа Ni1000, который был анонсирован в 1993 году, как i80160NC. нейронный сеть рекуррентный сигнал

Нейронные сети используются в нейрокомпьютерах, которые состоят из простых вычислительных элементов - нейронов. Они образуют связи, получая, тем самым, нейронные сети. Главное отличие нейронных сетей от ЭВМ в том, что они не программируются, а обучаются.

Обучение -- это корректировка весов связей нейронных сетей, в результате которой для каждого входного сигнала формируется выходной сигнал. После этого повышается навык нейрокомпьютеров, и эти навыки он может применять для новых входных сигналов. Переход от программирования к обучению повысило эффективность решение сложных интеллектуальных задач.

В силу высокой параллельности, нейронные сети можно рассматривать как коллективное явление. Это также является отличием от традиционного вычисления. В нейронных сетях нет локальных областей, где сохраняется конкретная информация. Вся эта информация сохраняется во всей сети.

Отличия нейрокомпьютеров от ЭВМ предыдущего поколения:

• параллельная работа очень большого числа простых вычислительных устройств обеспечивает огромное быстродействие;

• нейронная сеть способна к обучению, которое осуществляется путем настройки параметров сети;

• высокая помехо- и отказоустойчивость нейронных сетей;

• простое строение отдельных нейронов позволяет использовать новые физические принципы обработки информации для аппаратных реализаций нейронных сетей.

Есть нейронные сети с прямой передачей сигнала (рис.1). Нейроны регулярным образом организованы в слои. Входной слой служит просто для ввода значений входных переменных. Каждый из скрытых и выходных нейронов соединен со всеми элементами предыдущего слоя. При работе сети во входные элементы подаются значения входных переменных, затем последовательно отрабатывают нейроны промежуточных и выходного слоев. Каждый из них вычисляет свое значение активации, беря взвешенную сумму выходов элементов предыдущего слоя и вычитая из нее пороговое значение. Затем значение активации преобразуются с помощью функции активации, и в результате получается выход нейрона. После того, как вся сеть отработает, выходные значения элементов выходного слоя принимаются за выход всей сети в целом[1].

Рисунок 1. Схема нейронной сети с прямой передачей сигнала

Также существует рекуррентные нейронные сети (рис.2). Рекуррентные нейронные сети - это наиболее сложный вид нейронных сетей, в которых имеется обратная связь. При этом под обратной связью подразумевается связь от логически более удалённого элемента к менее удалённому. Наличие обратных связей позволяет запоминать и воспроизводить целые последовательности реакций на один стимул.

С точки зрения программирования в таких сетях появляется аналог циклического выполнения, а с точки зрения систем -- такая сеть эквивалентна конечному автомату. Такие особенности потенциально предоставляют множество возможностей для моделирования биологических нейронных сетей. Но, к сожалению, большинство возможностей на данный момент плохо изучены в связи с возможностью построения разнообразных архитектур и сложностью их анализа[2].

Рисунок 2. Рекуррентная сеть

Заключение

Нейронные сети - технология, которая позволяет вычислять или создавать новые алгоритмы с помощью сети элементарных составляющих - нейронов. Компьютерная нейронная сеть похожа на биологическую нейронную сеть. Нейронные сети не программируются, а они обучаются, давая на вход данные, которые анализируются множеством нейронами и выдаётся на выход вероятный вариант, который правильный. Под нейронными сетями можно понимать, как некое подобие ИИ (искусственный интеллект), который способен обучаться и тем самым повышать вероятность правильного выходного значения, которое хотим получить. Нейронные сети бывают: с прямой передачей данных (входному значению соответствует выходное значение) и рекуррентная (сложная сеть с обратной связью, появляется цикл).

Список литературы

1. Нейронные сети [Электронный ресурс]/StatSoft. - Режим доступа: http://www.statsoft.ru/home/textbook/modules/stneunet.html

2. Рекуррентные нейронные сети [Электронный ресурс]/Академик. - Режим доступа: http://dic.academic.ru/dic.nsf/ruwiki/1119913

Размещено на Allbest.ru