Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Ответы по ИИС готово.docx
Скачиваний:
54
Добавлен:
29.03.2016
Размер:
912.97 Кб
Скачать
  1. Понятие нейронной сети. Задачи, решаемые с помощью инс.

Нейронные вычисления – это теория разработки и исследования систем обработки информации, использующих механизмы восприятия и переработки информации естественных информационных систем – мозга человека и животных.

Основным функциональным элементом головного мозга является нейрон.

Нейрон - специализированная клетка, которая способна к передаче, обработке и хранению информации, необходимой для реализации физиологических функций организма. Биологический нейрон состоит из тела и входных и выходных каналов - дендритов и аксонов.

Для хранения информации в нейронах имеются синапсы.

Еще одна особенность биологических нейронных сетей — естественный параллелизм и коллективизм их работы.

Обучение естественных нейронных систем происходит путем изменения силы межнейронных связей.

Нейронные сети имеют следующие свойства:

  1. Параллельность обработки информации

2) Способность к ассоциированию, классификации, обобщению, абстрагированию и множество других.

3) Способность к самоорганизации. Нейронные сети самостоятельно, под воздействием внешней среды, обучаются решению разнообразных задач.

4) Надежность.

Задачи, решаемые с помощью нейронных вычислений

Классификация образов. Задача состоит в указании принадлежности входного образа (например, речевого сигнала или рукописного символа), представленного вектором признаков, одному или нескольким предварительно определенным классам. Для решения задачи используется обучение с учителем – сети предъявляется обучающая выборка, состоящая из пар (входной образ, метка класса), и применяются определенные правила для того, чтобы научить сеть определять метку класса для входного образа, который на этапе функционирования может и не входить в обучающую выборку.

Кластеризация/категоризация. При решении задачи кластеризации, (классификация образов без учителя), отсутствует обучающая выборка с метками классов. Алгоритм кластеризации основан на подобии образов и размещает близкие образы в один кластер.

Аппроксимация функций. Необходима при решении многочисленных инженерных и научных задач моделирования.

Предсказание/прогноз. Задача состоит в предсказании значения в некоторый будущий момент времени.

Оптимизация. Задачей алгоритма оптимизации является отыскание такого решения, которое удовлетворяет системе ограничений и максимизирует или минимизирует целевую функцию.

Память, адресуемая по содержанию. Содержимое памяти может быть вызвано даже по частичным данным или искаженному содержанию.

  1. Принципы организации и функционирования инс. Нейрон

Нейронная сеть – это параллельная распределенная структура обработки информации в виде направленного графа с учетом следующих определений и ограничений:

1) вершинами графа являются искусственные нейроны (ИН);

2) дуги графа - связи;

3) каждый обрабатывающий элемент может принимать любое количество входных и выходных связей (входов и выходов);

4) обрабатывающий элемент имеет локальную память; содержимое локальной памяти характеризует связь и называется весовым коэффициентом связи; выходной сигнал обрабатывающего элемента определяется как значение функции, называемой функцией активации, аргументами которой являются весовые коэффициенты и входные сигналы;

Как правило, во всех известных ИНС множество ИН разделено на подмножества, которые называются слоями. ИН могут быть связаны как с ИН своего слоя, так и с ИН других слоев.

xi – входной сигнал;

wi – весовой коэффициент;

суммирующий блок, соответствующий телу биологического элемента,

I - внутренний выход

f - функция активации

y = f(I) - выходной сигнал ИН.

Значения параметров x0 и w0 фиксированы. Весовой коэффициент w0 принимает значение q, которое называется пороговым значением функции активации.