Mạng nơ-ron nhân tạo

mạng nơ-ron nhân tạo - là những người được tạo thành từ các tế bào đặc biệt - tế bào thần kinh. Họ là những mô hình toán học của tế bào thần kinh sinh học, tức là, các tế bào tạo nên hệ thần kinh của con người.

Đây là lần đầu tiên chúng ta đang nói về mạng nơ-ron vào năm 1943, và sau khi phát minh ra Perceptron Rosenblatt đến thời kỳ hoàng kim, và các mạng đã trở nên rất phổ biến. Tuy nhiên, sau khi công bố Minsk năm 1969, trong đó một nhà khoa học đã chứng minh sự kém hiệu quả của Perceptron, dưới những điều kiện nhất định, sự quan tâm trong lĩnh vực này giảm mạnh. Nhưng câu chuyện không dừng lại với các mạng nhân tạo. . Năm 1985, J. Hopfield đã trình bày nghiên cứu của họ và chứng minh rằng các mạng thần kinh - một công cụ tuyệt vời cho máy học tập.

Nó được vay mượn từ sinh học một số khái niệm và nguyên tắc. Neuron - một loại công tắc mà nhận và sau đó truyền các xung (tín hiệu). Nếu tế bào thần kinh nhận được một đà đủ mạnh mẽ, người ta tin rằng nó được kích hoạt và truyền các xung tế bào thần kinh liên kết với nó còn lại. Neuron cùng mà đã không được kích hoạt, nó vẫn đứng yên, nó không truyền xung. Neuron bao gồm một số thành phần chính: các khớp thần kinh kết nối tế bào thần kinh với nhau và nhận xung, sợi trục, trong đó truyền xung nhiệm vụ và nhánh cây, mà nhận được tín hiệu từ nhiều nguồn khác nhau. Khi một tế bào thần kinh nhận được một xung trên một ngưỡng nhất định, nó ngay lập tức gửi tín hiệu đến các tế bào thần kinh tiếp theo.

Các mô hình toán học là một chút khác nhau. Đăng nhập mô hình toán học của một tế bào thần kinh - là một vector, trong đó bao gồm một số lượng lớn của các thành phần. Mỗi phòng trong số thành phần - là một trong những xung, được nhận bởi các tế bào thần kinh. Kết quả của mô hình này là một số duy nhất. Đó là, trong mô hình vector đầu vào được chuyển đổi thành một đại lượng vô hướng, sau đó chuyển sang tế bào thần kinh khác.

mạng lưới thần kinh có thể được đào tạo theo hai cách: có và không có một giáo viên. Quá trình học tập bao gồm một số bước. Thứ nhất, trên mạng là đầu vào từ các kích thích bên ngoài. Sau đó, phù hợp với các quy định thay đổi các thông số miễn phí của mạng lưới thần kinh, sau đó các mạng phản ứng với các kích thích đầu vào đã khác đi. Quá trình này cần phải được lặp đi lặp lại chừng nào mạng không giải quyết được vấn đề. Các thuật toán học với một giáo viên là trong quá trình đào tạo mạng đã có câu trả lời chính xác. Phương pháp này đã được sử dụng thành công cho nhiều ứng dụng, nhưng nó thường được chỉ trích vì thực tế là nó là không hợp lý về mặt sinh học. mạng nơ-ron được đào tạo mà không có giáo viên trong trường hợp các yếu tố đầu chỉ được biết đến. Dựa vào chúng, mạng dần dần học được cung cấp cho các đầu ra giá trị tốt nhất.

Áp dụng các mạng thần kinh thực sự đa dạng. Họ thường được sử dụng để tự động hóa việc công nhận, dự báo, tạo ra nhiều hệ thống chuyên gia, xấp xỉ của functionals. Với một mạng lưới như vậy có thể thực hiện nhận dạng âm thanh hoặc các tín hiệu quang học để dự đoán chỉ số trao đổi tạo ra các hệ thống có khả năng tự học, có thể, ví dụ, để tổng hợp tiếng nói từ một văn bản nhất định hoặc bãi đậu xe. mạng nơ-ron ở phương Tây được sử dụng tích cực hơn, không may, doanh nghiệp trong nước chưa đã thông qua phương pháp này.

Mặc dù những ưu điểm của ANN trên các tính toán thông thường trong một số lĩnh vực, các mạng thần kinh hiện - không phải là giải pháp lý tưởng. Kể từ khi họ có khả năng học tập, họ có thể sai. Bên cạnh đó, bạn có thể không chính xác đảm bảo rằng các mạng thần kinh phát triển là tối ưu. Các nhà phát triển phải hiểu bản chất của vấn đề được giải quyết, có rất nhiều thông tin mô tả các vấn đề, để có được dữ liệu để thử nghiệm và mạng lưới đào tạo, để chọn phương pháp đúng đào tạo, chuyển giao chức năng và chức năng bộ cộng.