29. Основные проблемы, решаемые при помощи искусственных нейронных сетей.
1 – классификация образов. Требуется указать принадлежность входного образа одному или нескольким предварительно определенным классам. ( например, распознавание речи, рукописного текста)
2 – кластериализация. Это классификация образов «без учителя», т.е. при кластериализации заранее не указывается множество классов, оно образуется в процессе самообучения. Этот алгоритм размещает близкие образы , по его мнению, в один кластер. Класте-ция применяется для сжатия данных и для извлечения знаний.
3 – аппроксимация функций. Имеется обучающая выборка в виде пар (х1, у1)…..(хn, yn). Эта выборка отражает неизвестную закономерность, обычно она искажена шумами и задача аппроксимации заключается в оценке неизвестной функции, идентификация черного ящика.
4 – прогноз или предсказание. Имеется несколько последовательных моментов времени t1, t2, …tn и соответствующие им значения y(t1), y(t2),…. y(tn), то задача прогнозирования заключается в предсказании значения У в некоторый будущий момент времени tn+1.
5 – оптимизация. Нахождение такого решения, которое максимизирует или минимизирует целевую функцию при наличие ограничений.
6 – адресация памяти по содержанию. В машине Фон Неймана обращение к памяти возможно только по адресу, который не зависит от содержания. В нейронных сетях можно использовать ассоциативную память – т.е. память, доступную по указанию содержания или его части, или искаженного содержания.
7 – управление. Имеется некоторая динамическая система, на которую воздействуют управляющие воздействия U(t) , выход – Y(t). Целью управления является нахождение (расчет) такого входного воздействия U(t), при котором соблюдается желаемая траектория движения системы. Т.к. поведение реальной системы, на которую воздействуют внешние факторы не однозначно, в этом случае применяется эталонная модель- как система должна двигаться при применении конкретного воздействия.
В качестве эталонной модели выступает обученная нейронная сеть.
30. Биологический нейрон.
Центральная нервная система имеет клеточное строение. Единица – нервная клетка, нейрон. Нейрон имеет следующие основные свойства:
1. Участвует в обмене веществ и рассеивает энергию. Меняет внутреннее состояние с течением времени, реагирует на входные сигналы и формирует выходные воздействия и поэтому является активной динамической системой.
2. Имеет множество синапсов – контактов для передачи информации.
3. Нейрон взаимодействует путем обмена электрохимическими сигналами двух видов: электротоническими (с затуханием) и нервными импульсами (спайками), распространяющимися без затуания.
Нервная система человека, построенная из элементов, называемых нейронами, имеет ошеломляющую сложность. Около 1011 нейронов участвуют в примерно 1015 передающих связях, имеющих длину метр и более. Каждый нейрон обладает многими качествами, общими с другими элементами тела, но его уникальной способностью является прием, обработка и передача электрохимических сигналов по нервным путям, которые образуют коммуникационную систему мозга.
Рис. 1.1. Биологический нейрон
На рис. 1.1 показана структура пары типичных биологических нейронов. Дендриты идут от тела нервной клетки к другим нейронам, где они принимают сигналы в точках соединения, называемых синапсами. Принятые синапсом входные сигналы подводятся к телу нейрона. Здесь они суммируются, причем одни входы стремятся возбудить нейрон, другие – воспрепятствовать его возбуждению. Когда суммарное возбуждение в теле нейрона превышает некоторый порог, нейрон возбуждается, посылая по аксону сигнал другим нейронам. У этой основной функциональной схемы много усложнений и исключений, тем не менее большинство искусственных нейронных сетей моделируют лишь эти простые свойства.