
- •К вопросу 48 Нейроинформатика. Математический нейрон Мак – Каллока - Питтса. Персептрон Розенблатта и правило Хебба. Возможности и области применения персептронов Нейроинформатика
- •Биологический нейрон
- •Математический нейрон Мак–Каллока - Питтса (формальный нейрон)
- •Персептрон Розенблатта
- •Обучение персептрона. Алгоритм корректировки весовых коэффициентов - правила Хебба.
- •Распознавание букв
- •Ограниченность однослойного персептрона
- •Многослойный персептрон
- •Возможности и области применения персептронов
К вопросу 48 Нейроинформатика. Математический нейрон Мак – Каллока - Питтса. Персептрон Розенблатта и правило Хебба. Возможности и области применения персептронов Нейроинформатика
После признания ИИ самостоятельной отраслью науки произошло его разделение на два основных направления: нейрокибернетику и кибернетику «чёрного ящика». Основная идея нейрокибернетики заключается в том, что любое мыслящее устройство должно быть выполнено по образу и подобию человеческого мозга, воспроизводить его структуру, его принцип действия, т.е. нейрокибернетика занимается аппаратным моделированием структуры мозга и его деятельности. Усилия нейрокибернетиков сосредоточены на разработке элементов, подобных нейронам, и объединении этих элементов в системы – нейросети и нейрокомпьютеры. Первые нейросети и нейрокомпьютеры были созданы американскими учёными В. Мак-Каллоком, В. Питтсом и Ф. Розенблаттом в конце 1950-х годов Это были устройства, моделирующие человеческий глаз. Устройства умели распознавать буквы алфавита, однако были чувствительны к их написанию.
Сегодня нейрокомпьютерные и нейросетевые технологии являются одним из наиболее перспективных и быстро развивающихся разделов ИИ.
Кибернетика «чёрного ящика» не придаёт значения принципу действия мыслящего устройства. Это направление ИИ ориентировано на поиски алгоритмов решения интеллектуальных задач (эвристик) с использованием существующих компьютеров независимо от их аппаратной базы.
Computational Neuroscience (вычислительная нейро-наука),
Нейроинформатика - наука, изучающая нейроподобные способы обработки информации при помощи компьютеров.
Свой вклад в становление нейронауки внесли биология и физиология высшей нервной деятельности, психология восприятия, дискретная математика, статистическая физика и синергетика, кибернетика и компьютерное моделирование.
К рубежу 80-х годов были достигнуты значительные результаты в совсем молодой синергетике, науке о самоорганизации в неравновесных системах; систематизированы факты и проведены многочисленные новые эксперименты в нейрофизиологии, в частности, подробно изучено строение и механизм действия отдельных нейронов; сформулирован принцип работы и создана первая ЭВМ с параллельной архитектурой. Эти обстоятельства, по-видимому, стимулировали начало интенсивных исследований нейронных сетей, как моделей ассоциативной памяти.
В начале 90-х среди магистральных путей развития области интеллектуальных компьютерных систем эксперты выделили компьютеры с нейронными сетями, представляющие собой машины, работающие аналогично тому, как по нашим современным представлениям, функционирует мозг.
Разнообразие, большой объем и противоречивость различной диагностической информации выводят на передний план проблему поиска физических систем, способных к ее переработке. Решение этой комплексной задачи тесно связано с новыми информационными технологиями, важное место среди которых занимают методы распознавания образов.
Нейронные сети - мощный и на сегодня, пожалуй, наилучший метод для решения задач распознавания образов в ситуациях, когда в экспериментальных данных отсутствуют значительные фрагменты информации, а имеющаяся информация предельно зашумлена. Высокая степень параллельности, допускаемая при реализации нейросистем, обеспечивает обработку объемов информации за времена, меньшие или сравнимые с допустимыми временами измерений.
Нейронаука в современный момент переживает период перехода от юного состояния к зрелости. Развитие в области теории и приложений нейронных сетей идет в самых разных направлениях : идут поиски новых нелинейных элементов, которые могли бы реализовывать сложное коллективное поведение в ансамбле нейронов, предлагаются новые архитектуры нейронных сетей, идет поиск областей приложения нейронных сетей в системах обработки изображений, распознавания образов и речи, робототехники и др. Значительное место в данных исследованиях традиционно занимает математическое моделирование.