Головна

Функціональні особливості штучних нейронних мереж (ІНС)

  1. D.1 Функціональні кнопки
  2. I. Особливості римської культури н основні етапи її розвитку
  3. II. особливості вживання
  4. II.6.3) Особливості категорії юридичної особи.
  5. III. Психічні властивості особистості - типові для даної людини особливості його психіки, особливості реалізації його психічних процесів.
  6. III. Структура і особливості багаторічної підготовки спортсменів
  7. III.4.1) Загальні особливості зобов'язання відповідальності.

ІНС індуковані біологією, так як вони складаються з елементів, функціональні можливості яких аналогічні більшості елементарних функцій біологічного нейрона. Ці елементи організуються за способом, який може в деякій мірі відповідати анатомії мозку. Незважаючи на досить поверхневе подібність, штучні нейронні мережі демонструють дивовижну число властивостей, властивих мозку.

До них відносяться:

- Масовий паралелізм;

- Розподілене представлення інформації і обчислення;

- Здатність до навчання і здатність до узагальнення;

- Адаптивність;

- Властивість контекстуальної обробки інформації;

- Толерантність до помилок;

- Низьке енергоспоживання.

Апаратної реалізацією ІНС є нейрокомпьютер, що має суттєві відмінності (як за структурою, так і за класом вирішуваних завдань) від обчислювальних машин, виконаних відповідно до традиційної структурою фон Неймана. Порівняльні характеристики нейрокомп'ютерів і традиційних комп'ютерів наведені в таблиці 1.

Таблиця 1

 Порівняльні оцінки традиційних ЕОМ і нейрокомп'ютерів  
 категорії порівняння  ЕОМ традиційної архітектури (машина фон Неймана)  нейрокомп'ютер
 процесор  Сложний.Високоскоростной.Одін або кілька.  Простий .Нізкоскоростной.Большое кількість
 пам'ять  Відокремлена від процесора. Локалізована.Адресація не за змістом.  Інтегрована в процессор.Распределенная.Адресація за змістом.
 обчислення  Централізованние.Последовательние.Хранімие програми.  Распределенние.Параллельние.Самообученіе.
 надійність  Висока вразливість.  Живучість.
 спеціалізація  Чисельні і сімвольниеопераціі.  Проблемивоспріятія
 середа  функціонування  Строго определена.Строго обмежена.  Без обмежень
       

Незалежно від способу реалізації (апаратної,

мікропроцесорної або у вигляді емуляторів для звичайних комп'ютерів), ІНС виявляють такі властивості, необхідні для вирішення широкого кола технічних завдань:

Навчання.Штучні нейронні мережі можуть змінювати свою поведінку залежно від умов зовнішнього середовища, тобто адаптуватися. Після пред'явлення вхідних сигналів (можливо, з відповідними виходами) нейронні мережі самоналагоджувальний, Щоб забезпечити необхідну реакцію.

Узагальнення.Реакція мережі після навчання може бути до певної міри нечутлива до невеликих змін вхідних сигналів. Ця особливість виділяти образ крізь шум і спотворення дозволяє подолати вимоги суворої точності, що пред'являються звичайним комп'ютерам. Важливо відзначити, що нейронна мережа робить узагальнення автоматично завдяки своїй структурі, а не за допомогою «людського інтелекту», представленого у формі спеціально написаних комп'ютерних програм.

Абстрагування.Нейронні мережі мають здатність витягувати сутність з вхідних сигналів, тобто оперувати з даними, які не виникали в процесі навчання.

Перераховані властивості дозволяють ефективно використовувати ІНС при вирішенні наступних завдань:

Апроксимація функцій / моделювання.Є навчальна вибірка ((x1, y1), (X2, y2), ..., (Хn, уn)) (Пари даних вхід-вихід), яка генерується невідомою функцією у = f (x), спотвореної шумом. Завдання апроксимації полягає в знаходженні оцінки невідомої функції у = f (x). Апроксимація функцій необхідна при вирішенні численних інженерних і наукових задач моделювання.

Ідентифікація / прогнозування.Задані п дискретних звітів вихідних сигналів системи (y (t1), Y (t2), ..., Y (tn)} (Можливо, з відповідними входами {u (t1), U (t2), ..., U (tn)} В послідовні моменти

часу t1, t2, ..., Tn. Завдання полягає в побудові моделі, що прогнозує значення y (tn +1) В момент часу tn+ L. Прогнозуючі моделі можуть бути використані як в системах управління, так і в нетехнічних додатках, наприклад, для аналізу цін на фондовій біржі і прогнозування погоди.

Управління.Розглянемо динамічну систему, задану сукупністю (u (t), y (t)}, де u (t) є вхідним керуючим впливом, ay (t) - виходом системи в момент часу t. У системах управління з еталонною моделлю метою управління є розрахунок такого вхідного впливу u (t), при якому система слід по бажаної траєкторії, що диктується еталонною моделлю. В якості моделі вибирається нейронна мережа, а динамічний процес її налаштування є рішення задачі управління.

Класифікація образів.Завдання полягає у вказівці приналежності вхідного образа (наприклад, мовного сигналу або рукописного символу), представленого вектором ознак, одному або декільком попередньо визначеним класам. До відомих додатків відносяться розпізнавання друкованих і рукописних текстів, розпізнавання мови, класифікація об'єктів за їхніми зображеннями і аналіз сцен.

Кластеризація / категоризація.При вирішенні задачі кластеризації, яка відома також як класифікація образів «без вчителя», відсутня навчальна вибірка з мітками класів. Алгоритм кластеризації заснований на виявленні подібності образів в силу обраної метрики і розміщенні близьких образів в один кластер. Кластеризація застосовується для вилучення знань, стиснення даних, моделювання складних технологічних процесів.

Оптимізація.Численні проблеми в математиці, статистиці, техніці, науці, медицині та економіці можуть розглядатися як проблеми оптимізації. Завданням алгоритму оптимізації є знаходження такого рішення, яке задовольняє системі обмежень і максимізує або

мінімізує цільову функцію. Завдання комівояжера, що відносяться до

класу NP - повних, є класичним прикладом задачі оптимізації, успішно вирішується ІНС

 




Теоретична частина | експериментальна частина | Теоретична частина | експериментальна частина | Завдання 2. | Обчислювальні аспекти MATLAB | Застосування системи Simulink | Теоретична частина | Завдання 2. | Найпростіші одношарові і двошарові нейронні мережі |

© um.co.ua - учбові матеріали та реферати