Современные нейронные сети. Основные понятия и задачи

В основу искусственных нейронных сетей положены следующие черты живых нейронных сетей, позволяющие хорошо справляться с нерегулярными задачами:

- простой обрабатывающий элемент – нейрон;

- очень большое число нейрона участвует обработке информации;

- один нейрон связан с большим числом других нейронов (глобальные связи);

- изменяющиеся по весу связи между нейронами;

- массированная параллельность обработки информации.

Для создания нейрона послужил биологический нейрон головного мозга. Биологический нейрон имеет тело, совокупность отростков – дендритов, по которым в нейрон поступают входные сигналы, и отросток – аксон, передающий выходной сигнал нейрона другим клеткам.. Точка соединения дендрита и аксона называется синапсом.

Поведение искусственной нейронной сети зависит как от значения весовых параметров, так и от функции возбуждения нейронов. Известны три основных вида функции возбуждения: пороговая, линейная и сигмоидальная. Для пороговых элементов выход устанавливается на одном из двух уровней в зависимости от того, больше или меньше суммарный сигнал на входе нейрона некоторого порогового значения. Для линейных элементов выходная активность пропорциональна суммарному взвешенному входу нейрона. Для сигмоидальных элементов в зависимости от входного сигнала, выход варьируется непрерывно, но не линейно, по мере изменения входа. Сигмоидальные элементы имеют больше сходства с реальными нейронами, чем линейные или пороговые, но любой из этих типов можно рассматривать лишь как приближение.Нейронная сеть представляет собой совокупность большого числа сравнительно простых элементов – нейронов, топология соединений которых зависит от типа сети. Чтобы создать нейронную сеть для решения какой-либо конкретной задачи, мы должны выбрать, каким образом следует соединять нейроны друг с другом, и соответствующим образом подобрать значения весовых параметров на этих связях.

Задачи, решаемые на основе нейронных сетей.

Встречается значительное число признаков, которыми должна обладать задача, чтобы применение НС было оправдано:

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

- проблема характеризуется большими объемами входной информации;

- данные неполны или избыточны, зашумлены, частично противоречивы.

Перечень возможных промышленных применений нейронных сетей,:

Банки и страховые компании:

- автоматическое считывание чеков и финансовых документов;

- проверка достоверности подписей;

- оценка риска для займов;

-прогнозирование изменений экономических показателей.

Военная промышленность:

- обработка звуковых сигналов (разделение, идентификация, локализация, устранение шума, интерпретация);

- обработка радарных сигналов (распознавание целей, идентификация и локализация источников);

- обработка инфракрасных сигналов (локализация);

- обобщение информации.

Служба безопасности:

- распознавание лиц, голосов, отпечатков пальцев.

Телевидение и связь:

- адаптивное управление сетью связи;

- сжатие и восстановление изображения.

Дата добавления: 2015-04-24