Нейронные сети

4276 8720 1594 3690

Верзилов Евгений Александрович (ПГГТУ)

Привалов Игорь  Михайлович 

Степаненко Наталья  Викторовна

Нейронные сети.

Нейронные сети это новая модель параллельных и распределенных вычислений, один из основных архитектурных принципов построения машин 6-го поколения. Общие принципы построения нейронных сетей были заложены в начале второй половины XX в. в работах таких ученых, как: Д. Хебб, М. Минский, Ф. Розенблат. В последние несколько лет наблюдается повышенный интерес к нейронным сетям, которые успешно применяются в самых различных областях научных направлений. Нейронные сети вошли в практику везде, где нужно решать задачи прогнозирования, классификации или управления.                                                                                                                               После двух десятилетий почти полного забвения интерес к искусственным нейронным сетям быстро вырос за последние несколько лет, открылись возможности использования вычислений в сферах, до этого относящихся лишь к области человеческого интеллекта, возможности создания машин, способность которых учиться и запоминать удивительным образом напоминает мыслительные процессы человека, и наполнения новым значительным содержанием критиковавшегося термина «искусственный интеллект».

С точки зрения машинного обучения, нейронная сеть представляет собой частный случай методов распознавания образов, дискриминантного анализа, методов кластеризации и т. п. С математической точки зрения, обучение нейронных сетей — это многопараметрическая задача нелинейной оптимизации. С точки зрениякибернетики, нейронная сеть используется в задачах адаптивного управления и как алгоритмы для робототехники. С точки зрения развития вычислительной техники и программирования, нейронная сеть — способ решения проблемы эффективного параллелизма. А с точки зрения искусственного интеллекта, ИНС является основой философского теченияконнективизма и основным направлением в структурном подходе по изучению возможности построения (моделирования) естественного интеллекта с помощью компьютерных алгоритмов. 
Искусственная нейронная сеть (ИНС, нейронная сеть) - это набор нейронов, соединенных между собой. Как правило, передаточные функции всех нейронов в нейронной сети фиксированы, а веса являются параметрами нейронной сети и могут изменяться. Некоторые входы нейронов помечены как внешние входы нейронной сети, а некоторые выходы - как внешние выходы нейронной сети. Подавая любые числа на входы нейронной сети, мы получаем некоторый набор чисел на выходах нейронной сети. Искусственные нейронные сети индуцированы биологией, так как они состоят из элементов, функциональные возможности которых аналогичны большинству элементарных функций биологического нейрона. Эти элементы затем организуются по способу, который может соответствовать анатомии мозга. Они обучаются на основе опыта, обобщают предыдущие прецеденты на новые случаи и извлекают существенные свойства из поступающей информации, содержащей излишние данные. Также они могут менять свое поведение в зависимости от внешней среды. После предъявления входных сигналов они самонастраиваются, чтобы обеспечивать требуемую реакцию.

Нейронные сети учатся на примерах. Пользователь нейронной сети подбирает представительные данные, а затем запускает алгоритм обучения, который автоматически воспринимает структуру данных. При работе нейронная сеть принимает значения входных переменных и выдает значения выходных переменных. Для управляемого обучения сети пользователь должен подготовить набор обучающих данных. Эти данные представляют собой примеры входных данных и соответствующих им выходов. Сеть учится устанавливать связь между первыми и вторыми. Нейронные сети может обучаться только на тех данных, которыми она располагает. Всякая нейронная сеть принимает на входе числовые значения и выдает на выходе также числовые значения. 

Подобно людям, структуру  мозга которых они копируют, искусственные  нейронные сети сохраняют в определенной мере непредсказуемость. Единственный способ точно знать выход состоит  в испытании всех возможных входных  сигналов. В большой сети такая  полная проверка практически неосуществима  и должны использоваться статистические методы для оценки функционирования. В некоторых случаях это недопустимо. Большинство людей скажет, любая  ошибка недопустима, так как ведет  к огромному числу жертв и  разрушений. Это отношение не меняется от того обстоятельства, что человек  в подобной ситуации также может  допускать ошибки.

Проблема возникает из-за допущения полной безошибочности компьютеров. Так как искусственные нейронные  сети иногда будут совершать ошибки даже при правильном функционировании, то, как ощущается многими, это  ведет к ненадежности – качеству, которое мы считаем недопустимым для наших машин.

Теория искусственных  нейронных сетей развивается  стремительно, но в настоящее время  она недостаточна, чтобы быть опорой для наиболее оптимистических проектов. В ретроспективе видно, что теория развивалась быстрее, чем предсказывали  пессимисты, но медленнее, чем надеялись  оптимисты, – типичная ситуация. Сегодняшний  взрыв интереса привлек к нейронным  сетям тысячи исследователей. Резонно  ожидать быстрого роста нашего понимания  искусственных нейронных сетей, ведущего к более совершенным  сетевым парадигмам и множеству  прикладных возможностей.

В будущем развитие таких  нейробиологических моделей может  привести к созданию действительно  мыслящих компьютеров.