ВВЕДЕНИЕ. Интеллектуальные информационные технологии различает между собой прежде всего то, что положено в основу концепции применяемого искусственного интеллекта

Интеллектуальные информационные технологии различает между собой прежде всего то, что положено в основу концепции применяемого искусственного интеллекта. По большому счету – либо оперирование с формализованными знаниями человека на основе символьного подхода (экспертные системы, нечеткая логика), либо со свойственными человеку приемами обучения и мышления (искусственные нейронные сети и эволюционные вычисления).

Во втором случае при построении интеллектуальной информационной системы (далее ИИС) не требуется априорное знание обо всех закономерностях исследуемой предметной области, но необходимо располагать достаточным количеством примеров для настройки разрабатываемой адаптивной ИИС. После обучения на заданных параметрах такая ИИС способна формировать требуемое решение с определенной степенью приближения. В основе указанной адаптивной ИИС содержится искусственная нейронная сеть (далее ИНС).

ИНС представляет собой достаточно новую и перспективную вычислительную технологию, способствующую новым подходам к решению целого ряда задач в науке, технике, экономике и бизнесе. ИНС вошли в практику там, где нужно решать неформализованные задачи, для которых нет известных алгоритмов решения. Для таких задач нейросетевые технологии по эффективности могут существенно превышать традиционные методы.

ИНС наилучшим образом проявляют себя при большом количестве данных, для которых характерны неявные взаимозависимости и закономерности. Здесь ИНС автоматически извлекают и используют различные зависимости, скрытые в данных. К задачам, эффективно решаемым с помощью ИНС, в настоящее время относятся следующие:

- аппроксимация функций (построение моделей плохо формализуемых зависимостей), например, в экономике оценка стоимости недвижимости, контроль качества выпускаемой продукции;

- классификация образов (указание принадлежности входного образа предварительно определенным классам), например, оценки кредитоспособности, оценка вероятности банкротства;

- кластеризация (классификация образа «без учителя»), например, анализ деятельности конкурирующих фирм, сжатие ин-

формации в информационных хранилищах;

- прогнозирование, например, экономических параметров и фондовых индексов, объемов продаж;

- ассоциативная память (память, адресуемая по содержанию), например, для создания хранилищ данных, мультимедийных баз данных;

- оптимизация (нахождение решения, удовлетворяющего системе ограничений и макси- или минимизирующее целевую функцию), например, доходности работы компании, задачи ценообразования;

- управление, например, товарными запасами, динамическими объектами (оптимальное).

Но значительная часть задач моделирования, решаемых ИНС, сводится к представлению в виде аппроксимации, а ИНС выполняет роль универсального инструмента для аппроксимации векторных функций нескольких переменных.

Цель настоящего практикума – получение навыков самостоятельного построения ИНС и практического решения распространенных нейросетевых задач с использованием программного пакета STATISTICA Neural Networks (SNN).

Практикум состоит из трех глав. В главе 1 кратко изложены концептуальные сведения о параметрах, свойствах, характеристиках и применении ИНС. Глава 2 затрагивает распространенные инструментальные средства реализации технологии нейровычислений. В главе 3 дается описание и основные алгоритмы программного пакета SNN. Глава 4 содержит шесть рекомендуемых лабораторных работ для практического освоения решения типовых нейросетевых задач с использованием пакета SNN. Для каждой лабораторной работы определены вариантные задания на выполнение и соответствующие контрольные вопросы.

1. КРАТКИЕ ОБЩИЕ СВЕДЕНИЯ О ПРИМЕНЕНИИ ИНС

Определение 1. ИНС – это упрощенная модель нервной ткани биологического мозга.

Определение 2. ИНС представляет собой совокупность простых дискретно-непрерывных вычислительных элементов – искусственных нейронов, каждый из которых имеет определенное количество входов (дендридов) и единственный выход (аксон), разветвления которого подходят с синапсом, связывающим его с другими нейронами (рис.1).

Определение 3. ИНС – это объединение искусственных нейронов, организованных слоями.

Определение 4. ИНС может рассматриваться как направленный граф со взвешенными связями, в котором искусственные нейроны являются узлами.

Рис. 1. Математическая (кибернетическая) модель искусственного нейрона

Дата добавления: 2015-06-04