Хемоинформатика

Психодиагностика

Предсказание финансовых временных рядов

Примеры приложений

Отличия от машин с архитектурой фон Неймана

Известные типы сетей

· Персептрон Розенблатта;

· Многослойный перцептрон;

· Сеть Джордана;

· Сеть Элмана;

· Сеть Хэмминга;

· Сеть Ворда;

· Сеть Хопфилда;

· Сеть Кохонена;

· Нейронный газ

· Когнитрон;

· Неокогнитрон;

· Хаотическая нейронная сеть;

· Осцилляторная нейронная сеть;

· Сеть встречного распространения;

· Сеть радиальных базисных функций (RBF-сеть);

· Сеть обобщенной регрессии;

· Вероятностная сеть;

· Сиамская нейронная сеть;

· Сети адаптивного резонанса.

· Свёрточная нейронная сеть (convolutional neural network).

Вычислительные системы, основанные на искусственных нейронных сетях, обладают рядом качеств, которые отсутствуют в машинах с архитектурой фон Неймана (но присущи мозгу человека):

· Массовый параллелизм;

· Распределённое представление информации и вычисления;

· Способность к обучению и обобщению;

· Адаптивность;

· Свойство контекстуальной обработки информации;

· Толерантность к ошибкам;

· Низкое энергопотребление.

Входные данные — курс акций за год. Задача — определить завтрашний курс. Проводится следующее преобразование — выстраивается в ряд курс за сегодня, вчера, за позавчера. Следующий ряд — смещается по дате на один день и так далее. На полученном наборе обучается сеть с 3 входами и одним выходом — то есть выход: курс на дату, входы: курс на дату минус 1 день, минус 2 дня, минус 3 дня. Обученной сети подаем на вход курс за сегодня, вчера, позавчера и получаем ответ на завтра. Нетрудно заметить, что в этом случае сеть просто выведет зависимость одного параметра от трёх предыдущих. Если желательно учитывать ещё какой-то параметр (например, общий индекс по отрасли), то его надо добавить как вход (и включить в примеры), переобучить сеть и получить новые результаты. Для наиболее точного обучения стоит использовать метод ОРО, как наиболее предсказуемый и несложный в реализации.

Серия работ М. Г. Доррера с соавторами посвящена исследованию вопроса о возможности развития психологической интуиции у нейросетевых экспертных систем. Полученные результаты дают подход к раскрытию механизма интуиции нейронных сетей, проявляющейся при решении ими психодиагностических задач. Создан нестандартный для компьютерных методик интуитивный подход к психодиагностике, заключающийся в исключении построения описанной реальности. Он позволяет сократить и упростить работу над психодиагностическими методиками..

Нейронные сети широко используются в химических и биохимических исследованиях^[21] В настоящее время нейронные сети являются одним из самых распространенных методов хемоинформатики для поиска количественных соотношений структура-свойство^[22][23], благодаря чему они активно используются как для прогнозирования физико-химических свойств и биологической активности химических соединений, так и для направленного дизайна химических соединений и материалов с заранее заданными свойствами, в том числе при разработке новых лекарственных препаратов.

Дата добавления: 2014-01-04