27. Искусственная нейронная сеть - это упрощенная модель биологического мозга, точнее нервной ткани.

Нейронные сети — самообучающиеся системы, имитирующие деятельность человеческого мозга.

Иску́сственные нейро́нные се́ти (ИНС) — математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы. Первой такой попыткой были нейронные сети Маккалока и Питтса.

ИНС представляют собой систему соединённых и взаимодействующих между собой простых процессоров (искусственных нейронов). Такие процессоры обычно довольно просты, особенно в сравнении с процессорами, используемыми в персональных компьютерах. Каждый процессор подобной сети имеет дело только с сигналами, которые он периодически получает, и сигналами, которые он периодически посылает другим процессорам. И тем не менее, будучи соединёнными в достаточно большую сеть с управляемым взаимодействием, такие локально простые процессоры вместе способны выполнять довольно сложные задачи.

(НС не программируются, они обучаются. Процесс функционирования НС зависит о величин синаптических связей. Поэтому при решении задачи необход. найти оптимал. значения всех весовых коэффициентов. Этот процесс наз. обучением)

Вообще, Нейрон - биологическая нервная клетка, обрабатывающая информацию. (в головном мозге (считая и спиной мозг) где-то 100 млрд нейронов).

В основу искусственной НС положены черты биологического нейрона, который состоит из: (рис. нейрона)

Сомы - тело нейрона, содержащее ядро. И отростков:

Дендрит - отросток нейрона, по которому в нейрон поступают входные сигналы.

Аксон - отросток нейрона, служащий для передачи выходных сигналов.

Нейрон получает сигнал от других нейронов через дендриты (т. е. он своего рода является приемником), а через аксоны (передатчик) передается информация. Функциональный узел м/у двумя нейронами, соединяющий дендрит 1го нейрона с аксоном другого наз. Синапс (соединение аксона с дендритом другого нейрона). Синапсы 2х видов: возбуждения и торможения. Если первые способствуют возникновению возбуждения, то вторые, напротив, прекращают или предотвращают его появление, препятствуют дальнейшему распространению импульса.

Основу каждой НС составляют формальные (искусствен.) нейроны.

Большинство моделей основывается на схеме формального нейрона. На входах нейрона имеются возбуждающие и тормозящие синапсы, в нейроне определяется взвешенная сумма (с учетом весов синапсов) входных сигналов, при превышении этой суммой порога нейрона вырабатывается выходной сигнал.

Схема его построена по аналогии с биологическим.

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.

Каждый нейрон характеризуется своим текущим состоянием (аналогично кл. головного мозга), которое либо возбужд. (тормож.). он обладает группой синапсов (однонаправленные входные связи), котор соед. с выходами др. нейронов. И имеет аксон – выходная связь данного нейрона. Текущее сост. нейрона опис-ся: ,

где n  — число входов нейрона, x_i  — значение i-го входа нейрона, w_i — вес i-го синапса (весовой коэф-т)-величина синаптической связи (сила), эквивалентен электрической проводимости. При w_i>0 – сигнал возбужд., w<0 – сигнал торможения.

Выход (аксон) определяется по формуле Y = f (S),   где f —функция активации (активационная ф-я) - функция, вычисляющая выходной сигнал искусственного нейрона.

Математическая модель формального нейрона: формуле Y = f( x_i w_i).

Наиболее часто используются следующие функции активации. Виды ф-ии активации:

1) пороговая (ф-я единич. скачка). Если входное значение меньше порогового, то значение функции активации равно минимальному допустимому, иначе – максимально допустимому.

2)кусочно-линейная. Имеет два линейных участка, где функция активации тождественно равна минимально допустимому и максимально допустимому значению и есть участок, на котором функция строго монотонно возрастает.

3) сигмоидальная или сигмоид. Монотонно возрастающая всюду дифференцируемая -образная нелинейная функция с насыщением. Сигмоид позволяет усиливать слабые сигналы и не насыщаться от сильных сигналов. _, альфа - параметр, влияющий на наклон сигмоидальной функции, изменяя который можно построить функции с различной крутизной.