1. Основные направления в области систем ии, их характеристика.

• Представлення знань, маніпуляція знаннями та створення експертних систем (вирішуються задачі, пов’язані з формалізацією та представленням знань в пам’яті ІС. Для цього розробляються спеціальні моделі представлення знань та мови для опису знань).

• Спілкування комунікації “людина-машина” (проблема розуміння зв’язних текстів на обмеженій та необмеженій природній мові, розуміння мови, синтез мови, теорія комунікацій “людина-машина”, задачі формування пояснень дій інтелектуальної системи, які вона повинна дати на запит людини).

• Розпізнавання образів, класифікація (метою створення автоматизованих систем розпізнавання образів є автоматизація процесів сприйняття і пізнання об’єктів, що пов’язано з пошуком, ідентифікацією, класифікацією та описом образів на основі аналізу реальних даних).

• Навчання та самонавчання (під навчанням розуміється накопичення досвіду вирішення задач і перенос його на інші задачі, які досі не вирішувалися. Для того, щоб це стало можливим, необхідно створити методи дотримування умов задачі по опису проблемної ситуації, або в результаті спостережень за нею, навчитися переходу від відомих рішень (розв’язків) часткових задач (прикладів) до вирішення загальної задачі; створити прийоми (засоби) декомпозиції початкової задачі на більш малі задачі так, щоб вони виявилися відомими для системи).

• Планування дій, пошук розв’язків задач (Функціонування багатьох ІС носить цілеспрямований характер (наприклад, автономні інтелектуальні роботи). Типовим прикладом такого функціонування являється рішення задач планування досягнення поставленої мети із деякої фіксованої вихідної ситуації. Результатом вирішення задачі повинен бути план дії – частково упорядкована послідовність дій).

• Нейронні мережі (один з найбільш популярних напрямків робіт в області інтелектуальних систем)

• Самоорганізація, методи евристичної самоорганізації.

• Генетичні алгоритми та еволюційне моделювання (ідея еволюційного моделювання полягає в заміні проблеми побудови моделі складної системи моделюванням її еволюції. Еволюційне моделювання базується на трьох основних механізмах еволюції живих організмів: схрещування батьківських осіб і генерація нащадків; дія мутацій; селекція, відбір найкращих нащадків).

• Автоматизація конструювання та проектування нових виробів, пошук винаходів за допомогою ЕОМ.

2. Архитектура и свойства нс Back propagation. Функции активации.

Позначимо: – d-мірний простір.

Вхідній вектор ; вихідний вектор .

Нейронна мережа виконує функціональне перетворення, яке може бути представлено як , де , ; , .

Схований шар насправді може складатися з декількох шарів, проте можна вважати, що достатньо розглядати лише три шари для опису цього типу поведінки. Для нейронної мережі з N вхідними вершинами, Н вершинами схованого шару та М вихідними вершинами величини задаються так:

(1)

Тут - вихідна вага зв’язку від вершины j схованого шару до вершини k вихідного шару; g – функція (яка буде визначена пізніше), виконуюча відображення .

Вихідні сигнали вершин схованого шару , j=1,2, …,H задаються так:

(2)

Тут - вхідна вага зв’язку (i, j);

- величина порога (вага від вузла, що має постійний сигнал, рівний 1 до вузла j);

– сигнал на виході i-го вхідного вузла;

- так звана функція “сигмоїд”, що задається так:

(3)

Функція в (2) називається функцією активації (нейронної мережі), іноді її називають “функцією запалювання” нейронної мережі.

Функція g у рівняні (1) може бути такою ж самою, що і або іншою. в нашому викладі ми будемо приймати g чи функцією вида , чи одиничною функцією, тобто лінійною. Необхідно, щоб функція активації була нелінійною, і мала обмежений вихід, тобто була обмеженою. Графік функції :