Введение в нейронные сети
Показано, что главное отличие нейронных сетей от ЭВМ в том, что они не программируются, а обучаются. Схема нейронной сети с прямой передачей сигнала. Рекуррентные нейронные сети как наиболее сложный вид нейронных сетей, в которых имеется обратная связь.
Рубрика | Программирование, компьютеры и кибернетика |
Вид | статья |
Язык | русский |
Дата добавления | 26.04.2019 |
Размер файла | 541,3 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
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
Подобные документы
Прогнозирование на фондовом рынке с помощью нейронных сетей. Описание типа нейронной сети. Определение входных данных и их обработка. Архитектура нейронной сети. Точность результата. Моделирование торговли. Нейронная сеть прямого распространения сигнала.
дипломная работа [2,7 M], добавлен 18.02.2017Возможности программ моделирования нейронных сетей. Виды нейросетей: персептроны, сети Кохонена, сети радиальных базисных функций. Генетический алгоритм, его применение для оптимизации нейросетей. Система моделирования нейронных сетей Trajan 2.0.
дипломная работа [2,3 M], добавлен 13.10.2015Общие сведения о принципах построения нейронных сетей. Искусственные нейронные системы. Математическая модель нейрона. Классификация нейронных сетей. Правила обучения Хэбба, Розенблатта и Видроу-Хоффа. Алгоритм обратного распространения ошибки.
дипломная работа [814,6 K], добавлен 29.09.2014Принципы организации и функционирования биологических нейронных сетей. Система соединенных и взаимодействующих между собой простых процессоров. Нейронные сети Маккалока и Питтса. Оценка качества кластеризации. Обучение многослойного персептрона.
курсовая работа [1,1 M], добавлен 06.12.2010Механизм работы нервной системы и мозга человека. Схема биологического нейрона и его математическая модель. Принцип работы искусственной нейронной сети, этапы ее построения и обучения. Применение нейронных сетей в интеллектуальных системах управления.
презентация [98,6 K], добавлен 16.10.2013Математическая модель нейронной сети. Однослойный и многослойный персептрон, рекуррентные сети. Обучение нейронных сетей с учителем и без него. Алгоритм обратного распространения ошибки. Подготовка данных, схема системы сети с динамическим объектом.
дипломная работа [2,6 M], добавлен 23.09.2013Понятие и свойства искусственных нейронных сетей, их функциональное сходство с человеческим мозгом, принцип их работы, области использования. Экспертная система и надежность нейронных сетей. Модель искусственного нейрона с активационной функцией.
реферат [158,2 K], добавлен 16.03.2011Особенности нейронных сетей как параллельных вычислительных структур, ассоциируемых с работой человеческого мозга. История искусственных нейронных сетей как универсального инструмента для решения широкого класса задач. Программное обеспечение их работы.
презентация [582,1 K], добавлен 25.06.2013Преимущества нейронных сетей. Модели нейронов, представляющих собой единицу обработки информации в нейронной сети. Ее представление с помощью направленных графов. Понятие обратной связи (feedback). Основная задача и значение искусственного интеллекта.
реферат [1,2 M], добавлен 24.05.2015Рождение искусственного интеллекта. История развития нейронных сетей, эволюционного программирования, нечеткой логики. Генетические алгоритмы, их применение. Искусственный интеллект, нейронные сети, эволюционное программирование и нечеткая логика сейчас.
реферат [78,9 K], добавлен 22.01.2015