КОНСПЕКТ ЛЕКЦИЙ КОДЭИ

Искусственная нейронная сеть — это вычислительная модель человеческого мозга. Человеческий мозг состоит из примерно 1011 простейших клеток, называемых нейронами, которые способны обрабатывать информацию. Нейроны связаны между собой, и количество связей оценивается как 1015. Каждый нейрон в отдельности выполняет только простейшие преобразования, но параллельная работа большого числа нейронов и огромное количество связей между ними приводят к тому, что нейронная сеть в целом может выполнять очень сложные преобразования сигналов в реальном времени.

Визуально нейронные сети обычно представляются в виде графов, в которых нейроны — узлы, а связи — линии. Достаточно часто нейронные сети упоминаются как нейрокомпьютеры. Структурная схема типичной нейронной сети с тремя входами и двумя выходами изображена на рисунке.

9

Искусственная нейронная сеть представляет собой параллельно-распределенную систему процессорных элементов (нейронов), способных выполнять простейшую обработку данных, которая может настраивать свои параметры в ходе обучения на эмпирических данных. Накопленные знания нейронной сети сосредоточены в весах межэлементных связей.

Основные свойства нейронных сетей:

1.Нелинейность. Нейронная сеть в целом является нелинейной системой. Данное свойство особенно важно для моделирования процессов, которые нелинейны по своей природе.

2.Обучение на примерах. Нейронная сеть способна изменять веса связей между нейронами с помощью наборов обучающих примеров. Результатом обучения является настройка параметров сети таким образом, что они в неявном виде хранят информацию об объектах, о решаемой задаче и предметной области.

3.Параллельная обработка данных.

Поступающие сигналы распараллеливаются, что значительно ускоряет обработку информации.

4.Адаптивность. Нейронная сеть способна адаптировать веса связей между нейронами к изменениям во внешнем окружении. В частности, сеть, ранее обученная для решения одной задачи, может быть адаптирована (переобучена) для другой задачи.

5.Отказоустойчивость. При большом количестве связей между нейронами потеря или искажение данных в отдельных связях не ведет к существенному ухудшению качества работы сети в целом.

Искусственный нейрон

Ключевую роль в понимании принципов функционирования нейронных сетей играет знание того, как работает искусственный нейрон. В основе его действия лежат те же принципы, по которым работает его биологический прототип.

Биологический нейрон

Биологический нейрон — это нервная клетка, являющаяся основным элементом нервной системы живых организмов. Именно нейроны, взаимодействуя между собой, обеспечивают протекающие в нервной системе процессы поиска, передачи и обработки информации.

Биологический нейрон состоит из тела клетки, или со’мы, — оболочки, содержащей вещества, необходимые для обеспечения жизнедеятельности клетки. Размер тела клетки составляет от 3 до 100 мкм. Внутри расположено ядро. Нейрон соединяется с другими нейронами через отростки двух видов: многочисленные тонкие, сильно ветвящиеся дендриты и единственный аксо’н, более толстый и разветвляющийся на конце. Сигналы от других нейронов поступают в клетку через так называемые си’напсы, образующиеся в местах контакта дендритов одного нейрона с телом другого, а передаются через аксон.

Передача сигналов внутри нервной системы представляет собой сложный электрохимический процесс. Нервные импульсы передаются между нейронами с помощью специальных биохимических веществ, называемых нейромедиаторами, которые служат раздражителями, заставляющими нейрон переходить в возбужденное состояние. Если рассматривать процесс упрощенно, то под воздействием нейромедиаторов синапсы могут изменять способность передавать сигнал. Иными словами, каждой межнейронной связи (синапсу) можно поставить в соответствие некоторый коэффициент или вес, на который должно умножаться значение сигнала, поступающего через синапс. Эти веса могут принимать как отрицательные, так и положительные значения. Связи, имеющие положительные веса, называются возбуждающими, а имеющие отрицательные веса —

тормозящими.