Фасхутдинова в.В. Экологические проблемы

Научный руководитель: канд. филол. наук, доц. Лунев М.В.

Тульский государственный университет

С давних лет человек и природа тесно связаны. Люди ощущали себя составной частью естественного мира и старались быть с этим миром в гармоничных отношениях. Но с развитием научно-технической революции человек стал наносить окружающему его миру настолько опасный вред, который в будущем может угрожать даже самому развитию и существованию человечества в целом. Именно поэтому экологические проблемы считаются не только проблемами, решаемыми на местном уровне, но и являются предметом обсуждения на уровне мировом.

Одним из самых обсуждаемых и опасных последствий деяний человека является глобальное потепление. Глобальное потепление — процесс постепенного роста средней годовой температуры поверхностного слоя атмосферы Земли и Мирового океана вследствие всевозможных причин. Существуют различные гипотезы о причинах возникновения потепления. Самой популярной считается негативное воздействие человека, которое кардинальным образом меняет состав атмосферы, способствуя возникновению парникового эффекта в атмосфере Земли. Последствия данного явления могут быть ужасными: коренная перестройка природных зон материков, смена ареалов обитания живых организмов, благоприятные условия для развития болезней.

Также следует выделить еще одну проблему современного мира- загрязнение водных ресурсов. Вода - один из важнейших элементов, без которого жизнь прекратится. В истории человечества бывали случаи, когда вымирал целый вид представителей флоры и фауны в пораженной загрязнениями области, поэтому человечеству стоит задуматься над обращением с таким ценным ресурсом.

К вымиранию животных и исчезновению растений имеет прямое отношение и вырубка лесов, одного из крупнейших ареалов обитания. По прогнозам ученых вырубка лесов возрастет в ближайшие 10-15 лет и будет продолжаться до тех пор, пока основная территория не будет заполнена предметами и объектами человека.

Хотя и существуют многие организации, пытающиеся сохранить природу, но их деятельности недостаточно, чтобы остановить негативные процессы, которые уже начались в природе. Чтобы защитить нашу окружающую среду мы все должны позаботиться и сделать все возможное, чтобы сохранить природу для будущих поколений.

Ханиева в.Р. Искусственные нейронные сети: технология будущего

Научный руководитель: доц. Филимонова О.В.

Тульский государственный университет

В 60-х годах ХХ века было доказано, что искусственные нейронные сети обладают свойствами сходными с мозгом: сложные операции распознавания образов, возможность функционировать при разрушении части связей между нейронами. В настоящее время искусственные нейронные сети применяются в различных областях современного человеческого знания.

Искусственные нейронные сети могут быть созданы путем имитации модели сетей нейронов на компьютере с помощью алгоритмов, имитирующих процессы реальных нейронов. Нейронные сети не программируют в привычном смысле этого слова, они обучаются. Возможность обучения является главным преимуществом нейронных сетей перед традиционными алгоритмами. В процессе обучения искусственная нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщения. Один нейрон искусственной нейронной сети способен выполнять только простейшие операции: принимать входной сигнал, суммировать входные сигналы, подавать сигнал на выход. Сила нейронных вычислений кроется в соединении нейронов в сетях. Простейшие сети состоят из группы нейронов, образующих один слой, и называются однослойными искусственными сетями. Многослойные сети обладают большими вычислительными способностями, и такая послойная организация нейронов копирует слоистые структуры определенных отделов мозга.

Различают алгоритмы обучения «с учителем» и «без учителя». В первом случае сети предоставляется некоторый требуемый результат, в соответствии с которым сеть устраняет внутренние несоответствия, пока результат работы самой сети не будет максимально схож с требуемым. Этот способ подвергся критике из-за биологической неправдоподобности. Второй случай более схож с обучением живых организмов. Он сопоставляет множество входных данных и выделяет общие статистические свойства рассматриваемого объекта, процесса. Благодаря способности к обобщению и выделению скрытых зависимостей между входными и выходными данными нейронные сети способны прогнозировать будущее значение некоторой последовательности. Способность искусственных нейросетей к выявлению взаимосвязей между различными параметрами также дает возможность восстановить исходный сигнал/образ из поврежденных входных данных. Это называется (авто)ассоциативной памятью.

Существует несколько типов сетей, каждая из которых имеет свои преимущества и недостатки. Тип сети выбирается исходя из постановки задачи и имеющихся данных для обучения.

Исходя из вышесказанного, можно сделать вывод о том, что разработка искусственных нейронных сетей представляет собой одно из наиболее перспективных направлений развития кибернетики и программирования.