=)
Информация о работе
Подробнее о работе
Реферат по теме: Искусственные нейронные сети
- 24 страниц
- 2020 год
- 12 просмотров
- 1 покупка
Гарантия сервиса Автор24
Уникальность не ниже 50%
Фрагменты работ
Введение…………………………………………………………………………..3
1. История развития нейронных сетей…………………………………………4
2. Принципы функционирования искусственных нейронных сетей…………..5
3. Многослойные нейронные сети и их аппроксимирующие свойств………11
4.Структурная схема интеллектуальной системы управления с использованием в ней нейронных сетей………………………………………17
Заключение……….……………………………………………………………..23
Список использованных источников…………………………………….……24
1. История развития нейронных сетей
Что же такое нейронная сеть? Вспомним уроки биологии - каждое существо в нашем мире имеет нервную систему, а более продвинутые жители Земли еще и мозг. Так вот, из биологических нейронных сетей состоит наш мозг. Органы чувств передают информацию о раздражителе нейронным сетям, а те в свою очередь обрабатывают ее, благодаря чему мы чувствуем тепло и холод, ветер, влагу, можем распознать людей, вещи, запомнить информацию и так до бесконечности. Вот так выглядит нейрон - очень сложная биологическая система (рисунок 1).
Искусственные нейронные сети, благодаря своим способностям к самоорганизации и обучению, рассматриваются как перспективные средства для разработки интеллектуальных систем высокой точности и надежности. Архитектура и функции ИНС строятся на основе биологических структур мозга. В нейронных сетях используется архитектура вычислений, отличная от фон-неймановской.
...
2. Принципы функционирования искусственных нейронных сетей
Впервые формализованная математическая модель нейрона была разработана У.С. Мак-Каллоком и У. Питтсом. Мак-Каллок и Питтс предложили использовать в качестве модели нейрона бинарный пороговый элемент, вычисляющий взвешенную сумму входных сигналов и формирующий на выходе сигнал величины 1, если эта сумма превышает определенное пороговое значение, и 0 в противном случае. К настоящему времени модель искусственного нейрона не претерпела существенных изменений, за исключением, быть может, введения различных типов активационных функций. Структурная схема искусственного нейрона представлена на рис. 16.
На вход искусственного нейрона поступает некоторое множество сигналов каждый из которых является выходом другого нейрона или входным сигналом нейросетевой модели.
...
3. Многослойные нейронные сети и их аппроксимирующие свойств
Нейроны могут группироваться в сетевую структуру различным образом. Функциональные особенности нейронов и способ их объединения в сетевую структуру обуславливают ту или иную парадигму нейронной сети. Для решения задач идентификации и управления наиболее адекватными многослойные нейронные сети (МНС) прямого действия или многослойные перцептроны (МСП) [7]. При проектировании МНС нейроны объединяются в слои, каждый из которых обрабатывает вектор сигналов от предыдущего слоя (или входной вектор). Минимальной реализацией является двухслойная нейронная сеть, состоящая из входного (распределительного), промежуточного 111(скрытого) и выходного слоя. При подсчете числа слоев входной слой обычно не учитывается, так как служит лишь для распределения входных сигналов по нейронам последующего слоя. На рис. 18 представлена структурная схема двухслойной ИНС прямого действия.
...
4. Структурная схема интеллектуальной системы управления с использованием в ней нейронных сетей
В отношении систем искусственного интеллекта вообще и экспертных систем, в частности, иногда можно услышать следующие критические замечания.
Такие системы слишком «хрупкие» в том смысле, что, встретившись с ситуацией, не предусмотренной разработчиком, они либо формируют сообщения об ошибках, либо дают неправильные результаты. Другими словами, эти программы довольно просто можно «поставить в тупик».
Они не способны непрерывно самообучаться, как это делает человек в процессе решения возникающих проблем.
Еще в середине 1980-х годов многие исследователи рекомендовали использовать для преодоления этих (и других) недостатков нейронные сети. В самом упрощенном виде нейронную сеть можно рассматривать как способ моделирования в технических системах принципов организации и механизмов функционирования головного мозга человека.
...
Заключение
Развитие нейронных сетей вызвало немало энтузиазма и критики. Некоторые сравнительные исследования оказались оптимистичными, другие - пессимистичными. Для многих задач, таких как распознавание образов, пока не создано доминирующих подходов. Нужно пытаться понять возможности, предпосылки и область применения различных подходов и максимально использовать их дополнительные преимущества для дальнейшего развития интеллектуальных систем.
Множество надежд в отношении нейронных сетей сегодня связывают именно с аппаратными реализациями, но пока время их массового выхода на рынок, видимо, еще не пришло. Они или выпускаются в составе специализированных устройств, или достаточно дороги, а зачастую и то и другое. На их разработку тратится значительное время, за которое программные реализации на самых последних компьютерах оказываются лишь на порядок менее производительными, что делает использование нейропроцессоров нерентабельным.
...
1. Мак-Каллок У.С., Питтс У. Логическое исчисление идей, относящихся к нервной активности // Автоматы, под ред. Шеннона К.Э. и Маккарти Дж. М.: ИЛ, 2013. С. 362 - 384.
2. Пупков К.А. Современные методы, модели и алгоритмы интеллектуальных систем // Учеб. пособие. – М.: РУДН, 2008. – 154 с.
3. Розенблат Ф. Принципы нейродинамики. Перцептроны и теория механизмов мозга. Мир, 2014, 248 с.
4. Фомин С.В., Беркенблит М.Б. Математические проблемы в биологии. М.: Наука, 2014, 200 с.
5. Фон Нейман Дж. Вероятностная логика и синтез надежных организмов из ненадежных компонент. // Автоматы, под ред. Шеннона К.Э. и Маккарти Дж. М.: ИЛ, 2011, С. 68 - 139.
6. Фролов А.А., Муравьев И.П. Информационные характеристики нейронных сетей. М.: Наука, 2012, 160 с.
7. Фролов А.А., Муравьев И.П. Нейронные модели ассоциативной памяти. М.: Наука, 2013, 160 с.
Форма заказа новой работы
Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям
