Первая страница
Наша команда
Контакты
О нас

    Головна сторінка



Тема Вступ до нейронних мереж Самоадаптація та організація прикладних нейронних систем

Скачати 46.52 Kb.

Тема Вступ до нейронних мереж Самоадаптація та організація прикладних нейронних систем




Скачати 46.52 Kb.
Дата конвертації25.03.2017
Розмір46.52 Kb.

Тема 1. Вступ до нейронних мереж

  1. Самоадаптація та організація прикладних нейронних систем.

  2. Штучні нейронні системи (НС).

  3. Класифікація штучних нейронних мереж.




1. Самоадаптація та організація прикладних нейронних систем.


Інтелект характеризує здатність об’єкту в процесі мислення до генерації та вибору способу дій, які адекватно відтворюють вирішувану задачу. Інтелект розвивається в процесі біологічної еволюції з метою адаптації до зовнішнього середовища і є властивістю біологічних форм життя. Штучний інтелект базується на біологічних основах природного інтелекту і в тій чи іншій мірі здійснює моделювання мислення живих істот.

Еволюція Еволю́ція - природне явище зміни популяцій, видів, вищих таксонів, біоценозів, флор і фаун, генів і ознак у часі в ході історії Землі.

Інтелект Інтелéкт - це інформаційний потенціал знань конкретної особистості, отриманий в результаті функціонування свідомості, мислення та розуму людини. По відношенню до суспільства використовуються терміни: "Інтелект планети", "Інтелект нації", "Інтелект країни", "Інтелект установи" і тому подібне.

Основним об’єктом мислення є людський мозок, який є найбільш складною системою і містить приблизно 1012 особливих клітин, які називаються нейронами.

Головний мозок людини - головний орган центральної нервової системи (ЦНС), що складається з маси взаємозалежних нервових клітин.

Нейрони з’єднані різноманітними зв’язками між собою визначають інтелект, творчі можливості та пам’ять людини. Нейрон отримує інформацію за допомогою спеціальних ходів, які називаються дендритами, які передають інформацію вздовж тонкого волокна, яке називається аксоном. Аксон може мати багато гілок. В кінці кожного аксону є спеціальна область, яка називається синапсом, за допомогою якої здійснюються зв’язки між різними нейронами.



Інформація по аксонах передається за допомогою коротких імпульсів, амплітуда яких біля 10мВ, довжина біля 1 мікросекунди.

В синапсах ці електричні імпульси перетворюються в сильніші сигнали, які стимулюють проходження до ядра нейрону позитивного заряду. При накопиченні цього заряду до деякого значення виникає електричний імпульс, який по аксону передається на наступного нейрону.

В процесі розумової та психічної діяльності людини в корі головного мозку розповсюджуються нейронні імпульси, які активізують відповідні частини нейронів.

Психіка (від дав.-гр. ψυχή, «дихання, душа» та лат. суфікс -ic) - система явищ суб'єктивного внутрішнього світу людини та тварин; букв., те що притаманне психеї, душевне, психічне. Питання природи психіки є складовою основного питання філософії.

Сукупність нейронів та зв’язків між ними складають нейронну мережу, від функціонування якої залежать емоції, свідомість та пам’ять людини.

Штучна нейронна мережа (ШНМ, англ. artificial neural network, ANN, рос. искусственная нейронная сеть, ИНС) - це математична модель, а також її програмна та апаратна реалізація, побудовані за принципом функціювання біологічних нейронних мереж - мереж нервових клітин живого організму.

В процесі розвитку мозку здійснюється постійна динамічна перебудова НМ. Ця перебудова іншими словами називається процесом навчання. При цьому збільшується кількість зв’язків між нейронами, покращуються їх параметри та взаємодія між собою. Здатність НМ змінюватись в результаті зовнішніх впливів називається пластичністю. Важливою характеристикою процесу навчання є здатність до узагальнення, яка характеризує здатність об’єкта об’єднувати часткові дані для отримання закономірностей.

Адаптація характеризує процес пристосування організму чи об’єкта до зовнішнього середовища. Самоорганізація – це процес динамічної перебудови організму чи об’єкта з метою адаптації до зовнішнього середовища. Самоорганізована система – це система, яка здатна в процесі взаємодії з зовнішнім середовищем перебудовувати свої зв’язки і створювати нову структуру з метою ефективного розвитку.



2. Штучні нейронні системи (НС).


Інтерес до нейронних мереж виник на початку розвитку обчислювальної техніки.

Електро́нна обчи́слювальна маши́на (скорочено ЕОМ) - загальна назва для обчислювальних машин, що є електронними (починаючи з перших лампових машин, включаючи напівпровідникові тощо) на відміну від електромеханічних (на електричних реле тощо) та механічних обчислювальних машин.

В основі нейро-інтелекту лежить нейронна організація штучних систем, яка має біологічні основи. Здатність біологічних систем до навчання, адаптації та самоорганізації має великі переваги в порівнянні з сучасними обчислювальними засобами. Проте великою перевагою НС є велика швидкість обробки інформації та можливість обробки великого об’єму накопичених раніше даних.

Обробка інформації́ - вся сукупність операцій (збирання, введення, записування, перетворення, зчитування, зберігання, знищення, реєстрація), що здійснюються за допомогою технічних і програмних засобів, включаючи обмін по каналах передачі даних [6.

Тому розробка ШІС, які поєднують в собі переваги біологічних систем та комп’ютерних систем, є актуальної задачею і дає потенційні можливості для створення обчислювальних систем нового покоління.

Обчи́слювальна систе́ма (англ. computer system) - сукупність ЕОМ та їх програмного забезпечення, що призначені для організації ефективного обчислювального процесу;

Основні етапи розвитку НМ:



  1. 1945р. – В. Мак – Калох і В. Пітс показали здатність порогових нейронних елементів обчислювати значення логічних функцій;

  2. 1949р. – Д. Хебб винайшов правило навчання, яке стало математичної основою процесу навчання для декількох НМ;

  3. 1957 – 1962рр. – Ф. Розенблат винайшов структуру найпростішої НМ, яку назвав персептрон. Водночас аналогічне дослідження проводив вчений України Г. І. Івахненко.

  4. 1959р. – Відроу і Хофф придумали процедуру навчання лінійного асоціативного нейронного елементу, яка називалася дельта – правило;

  5. 1960р. – Мінський і Пайперт здійснювали математичні дослідження та аналіз структури персептронів та показали їх обмеження. Їх висновки були досить песимістичні, що зіграли свою негативну роль в розвитку теорій НМ;

  6. 1977р. – Андерсон опублікував ряд робіт в області асоціативної пам’яті на основі нейронних елементів. Його праці продовжили Т.Кохонен і С. Гросберг, які розробили моделі лінійної асоціативної пам’яті та теорію адаптивного резонансу для побудови асоціативної пам’яті.

  7. Початок 80-х (1982р.) – Хопфілд дослідив структуру НМ для рішення задач оптимізації. Т.

    Зада́ча оптиміза́ції - задача знаходження точки (точок) мінімуму, або декількох мінімумів заданої функції.

    Кохонен розробив самоорганізуючі НМ. Ряд інших вчених винайшли алгоритм зворотного розповсюдження помилки, який став сильним засобом багаторівневих НМ.

  8. 1987р. – організація першої конференції по НМ ІЕЕЕ.

В даний час дослідження в області штучних НМ орієнтуються на створенні спеціалізованих систем для вирішення конкретних задач: прогнозування, діагностика в медицині і т.д.

    1. Класифікація штучних нейронних мереж.


Класифікація штучних НМ:

      1. По типу вхідної інформації:

        • аналогові (використання інформації в формі дійсних числ);

        • двійкові (інформація представлена в двійковому коді).

          Біна́рний код - є загальним позначенням для коду, за допомогою якого повідомлення можуть передаватися послідовностями (секвенціями) за допомогою двох символів (наприклад, «1» та «0»).



      2. По характеру навчання:

        • з “вчителем” (в процесі навчання відомо набір вихідних значень);

        • без “вчителя” (формує вихідні значення тільки на основі вхідних впливів), їх називають самоорганізовуючими.

      3. По характеру налаштування синапсів:

        • з фіксованими зв’язками (вагові коефіцієнти вибираються на початковому етапі виходячи з даної задачі);

        • з динамічними зв’язками (в процесі навчання відбувається настройка вагових коефіцієнтів).

      4. За методом навчання:

        • навчання по алгоритму зворотного розповсюдження помилки;

        • з конкурентним навчанням;

        • з навчанням по правилу Хебба;

        • з гібридним навчанням.

      5. По характеру зв’язків:

        • з прямими зв’язками (розповсюджується інформація тільки в одному напрямку від рівня до рівня: це різноманітні персептронні мережі);

        • із зворотнім поширенням інформації:

        • релаксаційні – циркуляція інформації відбувається доти, поки не перестають змінюватись вихідні значення НМ – це НМ Хопфілда, Хемінга;

        • багаторівневі мережі – в них відсутній процес релаксації. Це: рекурентні – в них існує зворотній зв’язок між входом і виходом, вихідне значення визначається як залежність вхідних і вихідних значень на попередньому кроці; рециркуляційні – характеризуються як прямим, так і зворотнім перетворенням інформації. Навчання відбувається без “вчителя”, тобто вони самоорганізовуються в процесі роботи.





Скачати 46.52 Kb.

  • 1. Самоадаптація та організація прикладних нейронних систем.
  • 2. Штучні нейронні системи (НС).
  • Класифікація штучних нейронних мереж.