شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی - نورون - کسانی هستند که از سلول های ویژه ای ساخته شده است. آنها مدل ریاضی از سلول های عصبی بیولوژیکی، به عنوان مثال، سلول هایی که سیستم عصبی انسان را تشکیل می دهند.

برای اولین بار ما صحبت در مورد شبکه های عصبی در 1943، و پس از اختراع پرسپترون روزنبلات دوران طلایی آمد، و شبکه های بسیار محبوب شده اند. با این حال، پس از انتشار Minsk در 1969، که در آن یک دانشمند ثابت شده است ناکارآمدی پرسپترون، تحت شرایط خاصی، علاقه در این بخش به شدت کاهش یافت. اما داستان با شبکه های عصبی ختم نمی شود. در سال 1985، J. Hopfield را مطالعات خود را ارائه و ثابت کرد که شبکه های عصبی - یک ابزار عالی برای یادگیری ماشین.

آن را از زیست شناسی چند مفاهیم و اصول قرض گرفته بود. نورون - یک نوع از سوئیچ که دریافت و سپس انتقال پالس (سیگنال). اگر نورون یک حرکت به اندازه کافی قدرتمند دریافت می کند، اعتقاد بر این است که آن را فعال می شود و انتقال پالس نورون های مرتبط با آن باقی مانده است. نورون همان شد که فعال نیست، آن را در حالت استراحت باقی می ماند، آن را پالس انتقال نمی دهد. نورون متشکل از چند قسمت اصلی است: سیناپس نورون که اتصال به یکدیگر و دریافت پالس، آکسون، که انتقال کار انگیزه ها و دندریت ها، که سیگنال ها را از منابع مختلف دریافت می کند. هنگامی که یک نورون ضربه بالا یک آستانه خاص دریافت می کند، آن را بلافاصله یک سیگنال را به نورون بعدی می فرستد.

مدل ریاضی کمی متفاوت است. ورود مدل ریاضی از یک نورون - یک بردار است که از تعداد زیادی از اجزای تشکیل شده است. هر یک از مولفه - یکی از پالس، که توسط نورون دریافت کرده است. خروجی مدل یک عدد است. است که، در بردار ورودی مدل به یک اسکالر تبدیل، بعد به نورون های دیگر منتقل شده است.

با و بدون یک معلم: شبکه های عصبی می توان به دو روش آموزش داده است. فرایند یادگیری متشکل از چند مرحله. اول، در شبکه ورودی از محرک خارجی است. سپس، در مطابق با مقررات تغییر پارامترهای رایگان از شبکه عصبی، پس از آن شبکه به محرک های ورودی پاسخ در حال حاضر متفاوت است. این فرایند باید تکرار شود تا زمانی که شبکه کار مشکل را حل نمی کند. الگوریتم یادگیری با یک معلم است که در طول آموزش شبکه در حال حاضر دارای پاسخ صحیح. این روش با موفقیت برای بسیاری از برنامه های کاربردی استفاده می شود، اما اغلب از آن برای این واقعیت است که آن را غیر محتمل بیولوژیک انتقاد قرار داد. شبکه های عصبی بدون معلم در مورد که در آن ورودی شناخته شده تنها آموزش داده است. بر اساس آنها، شبکه به تدریج می آموزد به بهترین خروجی ارزش.

استفاده از شبکه های عصبی واقعا متنوع است. آنها اغلب به طور خودکار به رسمیت شناختن، پیش بینی، ایجاد مختلف استفاده می شود سیستم های خبره، تقریبی از توابع. با چنین شبکه می تواند تشخیص صدا یا سیگنال های نوری انجام پیش بینی شاخص ارز سیستم قادر به خود یادگیری، که می تواند، برای مثال، برای سنتز گفتار از یک متن داده شده و یا پارک ماشین ایجاد کنید. شبکه های عصبی در غرب استفاده می شود فعال تر، متاسفانه، شرکت های داخلی هنوز این روش اتخاذ شده بود.

با وجود مزایای استفاده از شبکه عصبی مصنوعی در محاسبات معمولی در برخی از مناطق، شبکه های عصبی موجود - نه راه حل ایده آل. از آنجا که آنها قادر به یادگیری هستند، آنها ممکن است اشتباه باشد. علاوه بر این، شما نمی توانید دقیقا تضمین می کنند که شبکه های عصبی توسعه مطلوب است. توسعه دهنده باید درک ماهیت مشکل در حال خطاب، یک مقدار زیادی از اطلاعات لازم برای توصیف مشکل، به دست آوردن اطلاعات برای تست و شبکه آموزش، به انتخاب روش مناسب آموزش، تابع انتقال و توابع افزوده شده به فروشگاه.