КОНСПЕКТ ЛЕКЦИЙ КОДЭИ

Таким образом, не существует единого универсального алгоритма кластеризации. При использовании любого алгоритма важно понимать его достоинства, недостатки и ограничения. Только тогда кластеризация будет эффективным инструментом в руках аналитика.

Домашнее задание 7

Паклин, Н.Б. Бизнесаналитика: от данных к знаниям / Н.Б. Паклин, В.И. Орешков. — СПб.: Питер,

2009. — 624 c.

Законспектировать:

Обучение нейронных сетей как задача оптимизации. — С.

498 — 499.

Обзор алгоритмов обучения нейронных сетей. — С. 499. Градиентные методы. — С.

499 — 501.

Домашнее задание 8 Паклин, Н.Б. Бизнес-

аналитика: от данных к знаниям / Н.Б. Паклин, В.И. Орешков. — СПб.: Питер,

2009. — 624 c.

Методы глобальной оптимизации. — С. 501 — 501. Метод градиентного спуска. —

С. 502 — 506.

Коэффициент скорости обучения. — С. 506 — 507. Алгоритм обратного распространения ошибки

(+ схема). — С. 507 — 512.

Момент. — С. 512 — 513.

В основе функционирования

искусственных нейронных сетей лежит принцип обработки информации мозгом человека. Нейронные сети

привлекательны тем, что могут моделировать практически любые, в том числе нелинейные, зависимости.

Структура и принцип работы нейронных сетей

Мозг обрабатывает информацию образами, которые ассоциируются в сознании с определенными действиями, выводами, символами и т. д. Человеческий мозг может распознавать весьма сложные образы за несколько миллисекунд. Высокая эффективность обработки информации человеческим мозгом всегда привлекала внимание специалистов. Создание вычислительных систем, действующих по аналогичному принципу, открывает путь к созданию систем искусственного интеллекта.

Вывод напрашивается сам собой: необходимо разработать вычислительную систему, в основе которой лежал бы тот же принцип обработки данных, что и в человеческом мозге. Интуитивно понятно, что такая система должна выполнять параллельную обработку данных. Образ должен восприниматься одновременно и полностью.

Любой образ формально описывается набором признаков, таких как размеры, цвет, форма и т.д. Поэтому для формирования образа нужно ввести в систему набор (вектор) значений соответствующих признаков. В теории нейронных сетей входной вектор часто так и называют — образ внешней среды. На выходе система должна сформировать значение, указывающее на класс объекта.

Появлению и развитию нейронных сетей во многом способствовали достижения медицины и биологии в области знаний о функционировании нервной системы живых существ. В настоящее время с нейронными сетями связана целая отрасль знаний — нейроинформатика. Это междисциплинарная сфера, объединяющая в себе элементы биокибернетики, электроники, статистики, прикладной математики и даже биомедицины.