Студопедия

КАТЕГОРИИ:


Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748)

Распознавание образов

Типовые постановки задач

Применимость

Абстрагирование

Некоторые из искусственных нейронных сетей обладают способностью извлекать сущность из входных сигналов. Например, сеть может быть обучена на последовательности искаженных версий буквы А. Предъявление такого искаженного примера приведет к тому, что сеть породит букву совершенной формы. В некотором смысле она научится порождать то, что никогда не видела.

Искусственные нейронные сети не являются панацеей. Они, очевидно, не годятся для выполнения таких задач, как начисление заработной платы. Похоже, однако, что им будет отдаваться предпочтение в большом классе задач распознавания образов, с которыми плохо или вообще не справляются обычные компьютеры.

Специалисты считают, что нейронные сети обладают следующими достоинствами:

1) толерантность по отношению к ошибкам из-за большого параллелизма в обработке данных; ошибка или отключение части сети для ее устранения не приводят к отказу сети, а лишь могут снизить качество передачи информации;

2) нейронная сеть не требует традиционного программирования, поскольку самообучается решению различных задач.

Недостатки:

1) В то же время обучение требует организации специальных наборов данных для обучения и затрат времени.

2) К недостаткам относят также невозможность решения задач, требующих высокой точности.

Предполагается, что нейронные сети будут использоваться для задач, объединенных тремя признаками:

1. Известно, как эти задачи решаются людьми.

2. Могут быть представлены примеры выполнения задачи.

3. Каждая задача включает ассоциацию объектов одного множества с объектами другого множества.

Нейронные сети предпочтительнее при решении задач, для которых не существует формализованного алгоритма или решение по алгоритму занимает слишком много времени, а также при обработке нечеткой и неполной информации.

Нейросетевой nодход к решению плохо формализуемых задач прогнозирования, распознавания, классификации показал свою эффективность на практически важных проблемах. Безусловно, это "узкий" класс математических постановок практически важных задач. Представим типовые постановки этих задач.

Задача состоит в отнесении входного набора данных, представляющего распознаваемый объект, к одному из заранее известных классов. В число этих задач входит распознавание рукописных и печатных символов при оптическом вводе в ЭВМ, paспознавание типов клеток крови, распознавание речи и другие.

<== предыдущая лекция | следующая лекция ==>
Обобщение. Определение ИНС, свойства ИНС, достоинства, недостатки | Области применения. Ассоциативная память
Поделиться с друзьями:


Дата добавления: 2014-01-11; Просмотров: 347; Нарушение авторских прав?; Мы поможем в написании вашей работы!


Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет



studopedia.su - Студопедия (2013 - 2024) год. Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав! Последнее добавление




Генерация страницы за: 0.009 сек.