Свойства и назначение нейронных сетей

Краткие теоретические сведения

Цель работы

Учебно-методическое пособие

к лабораторной работе

«Аппроксимация функций

с помощью нейронных сетей»

Уфа 2006

Учебно-методическое пособие предназначено для изучения принципов функционирования нейронных сетей и их обучения по методу обратного распространения.

Пособие содержит описания структуры нейронных сетей, алгоритма обучения, задание на лабораторную работу и порядок ее выполнения.

Составители Кирюшин О.В., доц., канд. техн. наук

Муртазин Т.М., доц., канд. техн. наук

Рецензент Новоженин А.Ю., ст. преподаватель

ã Уфимский государственный нефтяной технический университет, 2006

Целью работы является изучение принципов функционирования нейронных сетей (НС) в рабочем режиме и режиме обучения.

Под методами искусственного интеллекта понимают все методы и математические модели, которые имитируют мыслительную (интеллектуальную) деятельность человека. В этом отношении можно выделить два подхода:

- моделирование процесса (алгоритма) мышления при принятии какого-либо решения,

- моделирование работы мозга на основе изучения биологических принципов его функционирования.

Первый подход реализуется в виде нечетких логических функций (Fuzzy Logic), экспертных систем, естественно-языковых систем. Второй подход представлен нейронными сетями, которые фактически являются математическими моделями мозга.

Основные свойства НС:

- массивно-параллельная обработка,

- высокая отказоустойчивость,

- использование неалгоритмических вычислений,

- способность к обобщению и классификации данных,

- способность к обучению с учителем или без учителя,

- возможность использования слабоформализованной информации.

НС получили распространение благодаря тому, что они:

- дают стандартный способ решения многих нестандартных задач;

- обладают способностью к обучению - необходимо только формировать учебные задачники, то есть труд программиста замещается трудом учителя;

- особенно эффективны там, где нужен аналог человеческой интуиции;

- позволяют создавать эффективное программное обеспечение для компьютеров с высокой степенью параллельной обработки.

В литературе [1] встречается значительное число признаков, которыми должна обладать задача, чтобы применение НС было оправдано и НС могла бы ее решить:

- отсутствует алгоритм или неизвестны принципы решения задач, но накоплено достаточное число примеров;

- проблема характеризуется большими объемами входной информации;

- данные неполны или избыточны, зашумлены, частично противоречивы.

Таким образом, НС хорошо подходят для распознавания образов и решения задач классификации, оптимизации и прогнозирования. В нефтяной и химической промышленности НС могут применяться для анализа геологической информации, идентификации неисправностей оборудования, разведки залежей минералов по данным аэрофотосъемок, анализа составов примесей, при управлении процессами. Кроме того, с помощью НС может быть реализовано управление манипуляторами, управление качеством, обнаружение неисправностей, адаптивная робототехника, управление голосом и т.д.

Дата добавления: 2014-11-06