Заключение

В заключении следует сказать, что теория нейронных сетей развивается в течение последних пяти десятилетий, но нашла широкое применение только в последние 20 лет. Поэтому строгая терминология в области нейронных сетей еще не установилась. Этим теория нейронных сетей отличается от теории управления или оптимизации, где терминология, основные математические методы и процедуры проектирования выверены при решении практических задач в течение многих лет.

Несмотря на отсутствие строгой терминологии нейронные сети нашли применение во многих областях техники, где они используются для решения многочисленных прикладных задач:

- в космонавтике и аэронавтике – для построения систем автоматического пилотирования самолетов, имитации траекторий полета, разработки перспективных конструкций автопилотов, моделирования и обнаружения неисправностей агрегатов летательных аппаратов, управления воздушным движением, обработки аэрокосмической информации;

- в автомобилестроении – для проектирования автоматических систем управления;

- в банковском деле – для автоматического чтения документов и их контроля, оценки эффективности кредитных вложений;

- в военном деле – для управления оружием, слежения за целями, выделения и распознавания объектов, построения новых типов датчиков, обработки звуковых, радиолокационных и телевизионных изображений, постановки и подавления помех, идентификации сигналов и изображений;

- в электронике – для управления процессом проектирования и размещения микросхем на плате, нелинейного моделирования и анализа отказа микросхем, для построения систем машинного зрения и синтеза речи;

- в финансовом деле – для анализа кредитных потоков, оцени недвижимости, общего финансового анализа, прогнозирования стоимости валюты;

- в страховом деле – для определения оптимальной стратегии страхования;

- в промышленном производстве – для управления производственными процессами, анализа продукции, диагностики работы машин, контроля качества, тестирования продукции, анализа качества сварочных работ, шлифовальных операций, анализа и синтеза химических веществ, прогнозирования цены продукта;

- в медицине – для анализа раковых клеток, диагностики заболеваний, конструирования протезов, оптимизации времени трансплантации, планирования расходов больницы, консультаций в отсутствие специалистов;

- в нефтегазовой промышленности – для разведки месторождений;

- в робототехнике – для управления роботами, построения контроллеров роботов и манипуляторов и систем технического зрения;

- при передаче данных - для сжатия и отображения данных, распознавания речи, классификации гласных звуков, преобразования текста в речь, для синхронного перевода.

Этот перечень можно продолжить и далее. Широкое применение нейронных сетей, значительные ресурсы, вкладываемые в создание программного обеспечения и аппаратуры для реализации нейронных сетей, показывают, что имеется большая заинтересованность в разработке искусственных нейронных сетей.

Список литературы

1. Галушкин А.И. Теория нейронных сетей. М.:ИПРЖР, 2000. - 416с.

2. Галушкин А.И. Нейрокомпьютеры. М.:ИПРЖР, 2000. - 532с.

3. Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6 / Под общ. ред. к.т.н. В.Г. Потемкина. – М.: ДИАЛОГ-МИФИ, 2002. – 496 с.

4. Осовский С. Нейронные сети для обработки информации / Пер. с польского И.Д. Рудинсого. – М.: Финансы и статистика, 2002. – 344с.

5. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. – М.: Мир, 1990. – 240с.

6. Щербаков М.А. Искусственные нейронные сети: Конспект лекций. - Пенза, ИИЦ ПГУ, 2006г. – 45с.

7. Barron A.R. Approximation and estimation bounds for artificial neural networks. Machine learning. – Vol. 14, 1994. – Pp.115-133.

8. Cover T. Geometrical and statistical properties of systems of linear inequalities with applications in pattern recognition // IEEE Trans. Electronic Computers, 1965. – Vol.14. – Pp.326-334.

9. DeSieno D. Adding a conscience to competitive learning // Neural Networks, 1988. – Vol.1. – Pp.117-124.

10. Haykin S. Neural networks, a comprehensive foundation. – N.Y.: Macmillan College Publishing Company, 1994.

11. He Y., Ciringiroglu U. A networks charge based on-chip adaptation Kohonen neural network // Trans. Neural Networks, 1993. – Vol.4. – Pp. 462-469.

12. Hebb D. Organization of behavior. – N.Y.: J.Wiley, 1949.

13. Hertz J., Krogh A., Palmer R. Wstep do teorii obliczen neuronowych. Wyd. II. – Warszawa: WNT, 1995.

14. Kohonen T. The self organizing map // Proc. Of IEEE, 1990. – Vol.78. – Pp. 1464-1479.

15. Kohonen T. Self-organizing maps. – Berlin: Springer Verlag, 1995.

16. McCulloch W.S.. Pitts W.H. A logical calculus of ideas immanent in nervous activity // Bull. Math. Biophysics, 1943. – Vol.5. – Pp. 115-119.

17. Osowski S. Sieci in nervous activity neuronowe in nervous activity w ujeciu algorytmicznym. – Warszawa: WNT, 1996.

18. Ritter H., Schulten K. On the stationary state of the Kohonen self-organizing sensory mapping // Biological Cybernetics. 1986. – Vol.54. – Pp.234-249.

19. Rosenblatt F. Principle of neurodynamics. – N.Y.: Spartan, 1992.

20. Rzesiowski D. Neuronowe metody kwantyzacji wektorowej w zastosowaniu do kompresji obrazyw: Rozprawa doktorska. – Warszawa: Politechnika Warszawska,1995.

21. Tadeusiewicz R. Sieci neuronowe. – Warszawa: Akademicka Oficyna Wydawnicza, 1993.

22. Weymaere N., Martens J.P. On the initialization and optimization of multilayer perception // IEEE Trans. Neural Networks, 1994. – Vol.5. – Pp.738-751.

23. Widrow B., Hoff M. Adaptive switching circuits // Proc. IRE WESCON Convention Record, 1960. – Pp.107-115.