загрузка...
загрузка...
На головну

Персептрони і зародження штучних нейронних мереж

  1. Биоповреждения штучних волокон
  2. Види і аналіз електричних мереж
  3. Види комунікаційних мереж
  4. Можливості застосування нейромереж
  5. Глава 1. Зародження, основні етапи та напрямки розвитку економічної теорії
  6. ГЛАВА 1. Еволюція комп'ютерних мереж
  7. ГЛАВА 12. Технології локальних мереж на розділяється

Як науковий предмета штучні нейронні мережі вперше заявили про себе в 40-і роки. Прагнучи відтворити функції людського мозку, дослідники створили прості апаратні (а пізніше програмні) моделі біологічного нейрона і системи його з'єднань. Коли нейрофізіологи досягли глибшого розуміння нервової системи людини, ці ранні спроби стали сприйматися як вельми грубі апроксимації. Проте на цьому шляху були досягнуті вражаючі результати, що стимулювали подальші дослідження, що призвели до створення більш витончених мереж.

Мал. 2.1. персептрони нейрон

Перше систематичне вивчення штучних нейронних мереж було зроблено Маккалокком і Питтсом в 1943 р [I]. Пізніше в роботі [3] вони досліджували мережеві парадигми для розпізнавання зображень, що піддаються зсувам і поворотам.

Проста нейронна модель, показана на рис. 2.1, використовувалася в більшій частині їх роботи. елемент ? примножує кожен вхід х на вагу w і підсумовує зважені входи. Якщо ця сума більше заданого порогового значення, вихід дорівнює одиниці, в іншому випадку - нулю. Ці системи (і безліч їм подібних) отримали назву персептронов. Вони складаються з одного шару штучних нейронів, з'єднаних за допомогою вагових коефіцієнтів з безліччю входів (див. Рис. 2.2), хоча в принципі описуються і більш складні системи.

У 60-ті роки персептрони викликали великий інтерес і оптимізм. Розенблат [4] довів чудову теорему про навчання персептронов, що пояснюється нижче. Уїдроу [5-8] дав ряд переконливих демонстрацій систем персептронного типу, і дослідники в усьому світі прагнули вивчити можливості цих систем. Первісна ейфорія змінилася розчаруванням, коли виявилося, що персептрони не здатні навчитися вирішенню низки простих завдань. Мінський [2] суворо проаналізував цю проблему і показав, що є жорсткі обмеження на те, що можуть виконувати одношарові персептрони, і, отже, на те, чого вони можуть навчатися. Так як в той час методи навчання багатошарових мереж не були відомі, дослідники перейшли в більш багатообіцяючі області, і дослідження в області нейронних мереж прийшли в занепад. Нещодавнє відкриття методів навчання багатошарових мереж більшою мірою, ніж будь-який інший фактор, вплинуло на відродження інтересу і дослідницьких зусиль.

Мал. 2.2. Персептрон з багатьма виходами

Робота Мінського, можливо, і охолодила запал ентузіастів персептрона, але забезпечила час для необхідної консолідації та розвитку лежить в основі теорії. Важливо відзначити, що аналіз Мінського ні спростують. Він залишається важливим дослідженням і має вивчатися, щоб помилки 60-х років не повторилися.

Незважаючи на свої обмеження персептрони широко вивчалися (хоча не дуже широко використовувалися). Теорія персептронов є основою для багатьох інших типів штучних нейронних мереж, і персептрони ілюструють важливі принципи. В силу цих причин вони є логічною вихідною точкою для вивчення штучних нейронних мереж.



Попередня   31   32   33   34   35   36   37   38   39   40   41   42   43   44   45   46   Наступна

Біполярні схеми для коефіцієнтів визначеності | багатоступінчасті міркування | Процес поширення в мережі виводу | Штучні нейронні мережі | біологічний прототип | штучний нейрон | активаційні функції | Одношарові штучні нейронні мережі | Багатошарові штучні нейронні мережі | Навчання без вчителя |

загрузка...
© um.co.ua - учбові матеріали та реферати