2 Основных режима:

режим приобретения знаний

режим решения задачи (режим консультации или режим использования).

Типичные задачи:

• Интерпретация данных

• Диагностика

• Мониторинг

• Проектирование

• Прогнозирование

• Планирование

• Обучение

20. Нейрокомпьютинг. Понятие и основные особенности использования.

Искусственный нейрон

Несмотря на большое разнообразие вариантов нейронных сетей, все они имеют общие черты. Так, все они, так же, как и мозг человека, состоят из большого числа связанных между собой однотипных элементов – нейронов, которые имитируют нейроны головного мозга. На рис. 1 показана схема нейрона.

Из рисунка видно, что искусственный нейрон, так же, как и живой, состоит из синапсов, связывающих входы нейрона с ядром; ядра нейрона, которое осуществляет обработку входных сигналов и аксона, который связывает нейрон с нейронами следующего слоя. Каждый синапс имеет вес, который определяет, насколько соответствующий вход нейрона влияет на его состояние. Состояние нейрона определяется по формуле

Синапс - однонаправленная входная связь нейрона, соединенная с выходом другого нейрона. Однонаправленная входная связь нейрона, соединенная с выходом другого нейрона.

Аксон - единственный отросток биологического нейрона, по которому он передает свой выходной сигнал. 

где

n – число входов нейрона

x_i – значение i-го входа нейрона

w_i – вес i-го синапса

Затем определяется значение аксона нейрона по формуле:

Y = f(S)

Нейрокомпьютинг - научное направление, занимающееся разработкой вычислительных систем шестого поколения – нейрокомпьютеров, которые состоят из большого числа параллельно работающих простых вычислительных элементов (нейронов), связанных в нейронную сеть. Они выполняют единообразные вычислительные действия и не требуют внешнего управления. Большое число параллельно работающих вычислительных элементов обеспечивают высокое быстродействие.

Перцептрон РозенблатаСеть ДжордонаСеть хопфилда

_ Розенблата

Сенсоры–сигнал, подаваемый извне с контролем порогового значения и изменяемый от 0 до 1

Ассоциативныйэлемент –логический решающий элемент с контролем порогового значения и изменяемый от 0 до 1

Результат–суммирующий входные сигналы элемент с контролем порогового значения и изменяемый от -1 до 1

_ Джордона

Сеть организуется по принципу задержки сигнала

Этапы:

На вход (input) поступают сигналы извне. В скрытом (hidden) слое вычисляются значения для сигналов выхода (output). На вход (input) поступают новые сигналы, а на другие входы (context) поступают сигналы с выхода (output)

_ Хопфилда

Сеть состоит из N нейронов, которые принимают значения [-1;1]

Вычисление следующего состояния нейронов осуществляется по математической формуле с весовыми коэффициентами

_

Отличие сети Джордона от перцептрона Розенблата: Сеть организуется по принципу задержки сигнала; На вход (input) поступают сигналы извне; В скрытом (hidden) слое вычисляются значения для сигналов выхода (output); На вход (input) поступают новые сигналы, а на другие входы (context) поступают сигналы с выхода (output)

Области применения НС

Распознавание визуальных образов; Распознавание и синтез речи; Создание экспертных систем; Задачи классификации образов и фактов; Ассоциативная память; Прием и передача сигналов в условиях помех; Задачи (многомерной) оптимизации

Недостатки НС:

"непрозрачность" процесса их работы; трудности интерпретации результатов; приходится приводить исходные данные к цифровой форме; НС хотя и может адекватно оценивать сходные ситуации, обычно плохо проводит анализ принципиально новых ситуаций, не представленных ранее примерами в материале обучения.

Преимущества нейрокомпьютеров

параллельная работа очень большого числа простых выч. устройств обеспечивает огромное быстродействие; нейронная сеть способна к обучению, к-е осуществляется путем настройки пар-в сети; высокая помехо- и отказоустойчивость нейронных сетей; простое строение отд. нейронов позволяет использовать новые физ. принципы обработки информации для аппаратных реализаций нейронных сетей. толерантность к ошибкам: работоспособность сохраняется при повреждении значительного числа нейронов; способность к распознаванию образов в условиях сильных помех и искажений

Список практических приложений:

Обслуживание кредитных карточек; Медицинская диагностика; Распознавание речи; Обнаружение фальсификаций; Анализ потребительского рынка