רשתות עצביות מלאכותיות

רשתות עצביות מלאכותיות - הם אלה מורכבים של תאים מיוחדים - נוירונים. הם מודלים מתמטיים של נוירונים ביולוגית, כלומר, התאים שמרכיבים את מערכת העצבים האנושית.

בפעם הראשונה אנחנו מדברים על רשתות עצביות ב 1943, ואחרי המצאת perceptron רוזנבלט הגענו תור הזהב, והרשתות הפכו פופולריות מאוד. עם זאת, לאחר פרסום מינסק ב 1969, שבו מדען הוכיח את חוסר היעילות של perceptron, בתנאים מסוימים, האינטרס במגזר זה ירד בחדות. אבל הסיפור אינו מסתיים עם רשתות מלאכותיות. . בשנת 1985, ג 'הופפילד הציג לימודיהם והוכיח כי הרשת העצבית - כלי נהדר עבור למידה חישובית.

זה הושאל מושגים בביולוגיה מספר עקרונות. Neuron - מעין מתג המקבלת ולאחר מכן מעביר פולסים (אותות). אם נוירון מקבל תנופה חזקה מספיק, הוא האמין כי היא הופעלה ומעביר פולסים הנותרים הנוירונים הקשורים אליו. Neuron זהה אשר לא הופעל, הוא נשאר במנוחה, זה לא לשדר הדופק. Neuron מורכב מרכיבים מרכזיים: סינפסות המקשרות נוירונים זה לזה ולקבל פולסים, האקסון, המעבירים דחפים משימה דנדריטים, שמקבל אותות ממקורות שונים. כאשר נוירון מקבל דחף מעל סף מסוים, זה מייד שולח אות אל הנוירון הבא.

המודל המתמטי הוא קצת שונה. כניסת מודל מתמטי של נוירון - הוא וקטור, אשר מורכב של מספר רב של רכיבים. כל אחד המרכיב - הוא אחד פולסים, אשר מתקבלים על ידי הנוירון. הפלט של המודל הוא מספר אחת. כלומר, וקטור קלט המודל מומר סקלר, הועבר מאוחר יותר נוירונים אחרים.

ניתן לאמן רשתות עצביות בשתי דרכים: עם או בלי מורה. תהליך הלמידה מורכב מכמה שלבים. ראשית, ברשת הוא קלט את הגירוי החיצוני. ואז, בהתאם לתקנות להשתנות פרמטרים חינם של הרשת העצבית, אז הרשת לא מגיבה לגירויי קלט כבר שונה. התהליך צריך להיות חוזר ונשנה, כל עוד הרשת אינה פותרת את הבעיה. האלגוריתם לומד עם מורה הוא כי במהלך אימון הרשת כבר יש את התשובה הנכונה. שיטה זו שמשה בהצלחה עבור יישומים רבים, אבל זה לעתים קרובות ביקורת על העובדה שזה ביולוגי בלתי סביר. רשתות עצביות מאומנות בלי המורה במקרה שבו התשומות ידועות רק. בהתבסס על אותם, הרשת לומדת בהדרגה לתת תפוקות התמורה הטובות ביותר.

יישום של רשתות עצביות הוא באמת מגוון. הם משמשים לעתים קרובות כדי להפוך את ההכרה, חיזוי, יצירה שונות מערכות מומחיות, הקירוב של functionals. עם רשת כזו יכולה לבצע זיהוי קול או אותות אופטיים לחזות אינדיקטורים חילופיים ליצור מערכות מסוגלות למידה עצמית, אשר יכול, למשל, כדי לסנתז דיבור מטקסט נתון או בחניון. רשתות עצביות במערב משמשים באופן פעיל יותר, לצערי, חברות מקומיות שטרם אימצו שיטה זו.

למרות היתרונות של ANN על חישובים קונבנציונליים באזורים מסוימים, ברשתות העצביות קיימות - לא הפתרון האידיאלי. מאז שהם מסוגלים ללמוד, הם עלולים לטעות. בנוסף, אתה לא יכול בדיוק להבטיח כי הרשת העצבית המפותחת היא אופטימלית. היזם חייב להבין את מהות הבעיה שפונה, יש הרבה מידע המתאר את הבעיה, כדי לקבל נתונים לבדיקה ורשת אימונים, לבחור את השיטה הנכונה של אימון, פונקציית העברת פונקציות אפעה.