Введение. Основные сведения о нейронных сетях

Основные сведения о нейронных сетях

Идея об имитации мыслительной деятельности человека с помощью компьютеров была высказана учеными в прошлом столетии. Свыше 60 лет тому назад исследователи создали первую электронную модель нервной клетки. С тех пор целая группа ученых разрабатывала математические модели и обучающие алгоритмы. Сегодня так называемые нейронные сети вызывают очень большой интерес и выделяются из всего того, что было достигнуто в области искусственных нервных клеток. Нейронные сети состоят из большого числа относительно простых вычислительных элементов, называемых нейронами, каждый из которых предназначен для имитации процессов, происходящих в одной клетке головного мозга. Некоторые ученые называют головной мозг биологической нейронной сетью, а его компьютерную имитацию - нейронной сетью. На рис. 1 представлена типовая структура такой нейронной сети.

Входной

(нулевой слой)

Первый

скрытый

слой

Второй

скрытый

слой

Выходной слой

Рис. 1

Каждый нейрон, входящий в нейронную сеть и представленный на рис. 1 в виде кружка, участвует в преобразовании входных сигналов, так что выходной сигнал зависит от алгоритма работы всех нейронов.

Нейронная сеть, показанная на рис. 1, имеет слой нейронов для входного сигнала и слой нейронов для выходного сигнала. Информация поступает в нейронную сеть через входной слой. Все слои нейронной сети обрабатывают входной сигнал, прежде чем он достигнет выходного слоя.

Цель создания нейронной сети: добиться того, чтобы она обрабатывала поступающую на нее информацию в соответствии с теми подходами, которым она была предварительно обучена. Обычно для обучения используются комплекты образцовых входных и соответствующих им выходных сигналов (образцовая пара вход-выход) и так называемые обучающие алгоритмы. Сама по себе нейронная сеть не реагирует надлежащим образом на входные сигналы. Только алгоритмы обучения изменяют параметры тех или иных нейронов сети и взвешивают их выходные сигналы так, чтобы поведение нейронной сети было близко к желаемому.

Нейронные сети способны решать широкий круг задач распознавания образов, идентификации, прогнозирования, оптимизации, управления сложными объектами. Дальнейшее повышение производительности компьютеров в большей степени связывают с нейронными сетями, в частности с нейрокомпьютерами, основу которых составляют нейронные сети.

Рис. 2

Дата добавления: 2014-01-07