2.3 Контрольные вопросы

1. Что такое искусственный нейрон?

2. Дайте определение искусственной нейронной сети прямого распространения.

3. В чем состоит задача обучения нейронной сети?

4. Запишите математическую задачу оптимизации, которая решается при обучении нейронной сети.

5. Какие методы могут использоваться при обучении нейронной сети, и какие трудности при этом возникают?

6. Метод обратного распространения ошибки.

7. Перечислите основные этапы создания нейронной сети.

8. Что такое архитектура нейронной сети?

9. Какие алгоритмы обучения нейронных сетей вы знаете?

10. В чем заключается парциальная предобработка исходных данных?

11. Как выбрать глубину погружения при прогнозировании временных рядов?

12. Как осуществляется прогноз с помощью нейронных сетей?

2.4 Рынок нейропакетов

Несмотря на значительное число специализированных аппаратных разработок нейросетей, основное применение в настоящее время получили программные реализации разных нейросетевых парадигм, которые носят название нейропакетов (нейроэмуляторов).

На сегодня существует несколько десятков фирм-производителей нейропакетов, а предлагаемый ими ассортимент составляет несколько сотен наименований. Универсальность того или другого нейропакета является сугубо субъективным фактором, потому что один и тот же нейропакет может быть и универсальным и специализированным, в зависимости от того, для решения какого круга прикладных задач он предназначен. Полностью универсальных нейропакетов не существует, поскольку невозможно заранее предусмотреть все нейронные структуры, которые могут понадобиться для решения тех или других прикладных задач.

Наиболее известные и распространенные:

1 Neurosolutіons – фирмы Neurodіmensіon, Іnc.;

2 Statіstіca с модулем Neural Networks – фирмы Statsoft.;

3 Deductor – фирмы Basegroup;

4 Neuroshell2 – фирмы Ward Systems Group;

5 Braіnmaker Pro – фирмы Calіfornіa Scіentіfіc Software.

Кроме универсальности нейропакет должен быть простым в использовании, иметь интуитивно понятный интерфейс и обеспечивать наглядность представления информации.

Таблица 2.1 Сравнительная характеристика нейропакетов

Критерии сравнения	Нейропакеты
	Neuro-Solutions	Statistica Neural Networks	Deductor	Neuro Shell 2	Brain-Maker
Простота формиров. учебной выборки	9	9	8	8	7
Простота использов.	9	9	10	10	6
Наглядность предст. информации	10	9	8	6	4
Реализованные стандарт. нейронные парадигмы и алгоритм. обучение	8	10	9	8	6
Возможность созд. собственных нейрон. структур	10	8	5	5	5
Возможность использ собственных критериев обучения	8	7	0	0	0
Возможность использ. собственных алгоритмов обучения	10	7	3	0	4
Обмен информацией между пакетом и ОС	10	8	7	8	5
Открытость пакета	10	10	8	2	0
Генератор исходного кода	10	10	0	10	0
Наличие макроязыка	10	0	0	0	0
Суммарная оценка	104	87	58	57	37