Главная страница | Контакты | Случайная страница Автомобили Астрономия Биология География Дом и сад Другие языки Другое Информатика История Культура Литература Логика Математика Медицина Металлургия Механика Образование Охрана труда Педагогика Политика Право Психология Религия Риторика Социология Спорт Строительство Технология Туризм Физика Философия Финансы Химия Черчение Экология Экономика Электроника

Нейронная сеть

Нейронная сеть представляет собой совокупность большого числа сравнительно простых элементов - нейронов, топология соединений которых зависит от типа сети. Чтобы создать нейронную сеть для решения какой-либо конкретной задачи, мы должны выбрать, каким образом следует соединять нейроны друг с другом, и соответствующим образом подобрать значения весовых параметров на этих связях. Может ли влиять один элемент на другой, зависит от установленных соединений. Вес соединения определяет силу влияния.

Некоторые проблемы, решаемые искусственны­ми нейронными сетями:

Классификация образов. Задача состоит в указании принад­лежности входного образа, представленного вектором признаков, одному или нескольким предварительно определенным классам. К известным приложениям относятся распознавание букв, распозна­вание речи, классификация сигнала электрокардиограммы, клас­сификация клеток крови.

Кластеризация/категоризация. При решении задачи кла­стеризации, которая известна также как классификация образов без учителя, отсутствует обучающая выборка с метками классов. Алгоритм кластеризации основан на подобии образов и размещает близкие образы в один кластер. Известны случаи применения кла­стеризации для извлечения знаний, сжатия данных и исследова­ния свойств данных,

Аппроксимация функций. Предположим, что имеется обу­чающая выборка ((x₁, y₁), (x₂, y₂), …, (x_N, y_N)), которая генерируется неизвестной функцией, искаженной шумом. Задача аппроксимации состоит в нахождении оценки этой функции.

Предсказание/прогноз. Пусть заданы N дискретных отсчетов {y(t₁), y(t₂), …, y(t_N)} в последовательные моменты времени t₁, t₂, …, t_N. Задача состоит в предсказании значения y(t_N+1) в момент t_N+1. Прогноз имеют значительное влияние на принятие решений в биз­несе, науке и технике.

Оптимизация. Многочисленные проблемы в математике, статистике, технике, науке, медицине и экономике могут рассмат­риваться как проблемы оптимизации. Задачей оптимизации явля­ется нахождение решения, которое удовлетворяет системе огра­ничений и максимизирует или минимизирует целевую функцию.

Память, адресуемая по содержанию. В модели вычислений фон Неймана обращение к памяти доступно только посредством адреса, который не зависит от содержания памяти. Более того, если допущена ошибка в вычислении адреса, то может быть най­дена совершенно иная информация. Память, адресуемая по со­держанию, или ассоциативная память, доступна по указанию за­данного содержания. Содержимое памяти может быть вызвано даже по частичному или искаженному содержанию. Ассоциативная память чрезвычайно желательна при создании перспективных ин­формационно-вычислительных систем.

Управление. Рассмотрим динамическую систему, заданную совокупностью {u(t), y(t)}, где u(t) является входным управляющим воздействием, а у(t) - выходом системы в момент времени t. В системах управления с эталонной моделью целью управления яв­ляется расчет такого входного воздействия u(t), при котором сис­тема следует по желаемой траектории, диктуемой эталонной мо­делью.