РЕФЕРАТ
на тему В«Нейронні мережіВ»
Зміст
Введення
1. Властивості штучних нейронних мереж
2. Штучні нейронні мережі і експертні системи
3. Основи штучних нейронних мереж
Висновок
Введення
Що таке штучні нейронні мережі? Що вони можуть робити? Як вони працюють? Як їх можна використовувати? Ці та безліч подібних питань задають фахівці з різних областей. Знайти зрозумілу відповідь нелегко. Університетських курсів мало, семінари занадто дорогі, а відповідна література занадто обширна і Спеціалізоване. Підготовлювані до друку чудові книги можуть збентежити початківців. Часто написані на технічному жаргоні, багато з них припускають вільне володіння розділами вищої математики, рідко використовуваними в інших областях.
Всі важливі поняття формулюються спочатку звичайною мовою. Математичні викладки використовуються, якщо вони роблять виклад більш ясним. В кінці глав поміщені складні висновки і докази, а також наводяться посилання на інші роботи. Ці посилання складають велику бібліографію найважливіших робіт в областях, пов'язаних з штучними нейронними мережами. Такий багаторівневий підхід не тільки надає читачеві огляд по штучних нейронних мережах, але також дозволяє зацікавленим особам серйозніше і глибше вивчити предмет.
Після двох десятиліть майже повного забуття інтерес до штучних нейронних мереж швидко виріс за останні кілька років. Фахівці з таких далеких областей, як технічне конструювання, філософія, фізіологія і психологія, заінтриговані можливостями, що надаються цією технологією, і шукають додатка їм всередині своїх дисциплін.
Це відродження інтересу було викликане як теоретичними, так і прикладними досягненнями. Несподівано відкрилися можливості використання обчислень в сферах, до цього відносяться лише до області людського інтелекту, можливості створення машин, здатність яких вчитися і запам'ятовувати дивним чином нагадує розумові процеси людини, і наповнення новим значним змістом Критикувати терміна В«штучний інтелектВ».
1. Властивості штучних нейронних мереж
Штучні нейронні мережі індуковані біологією, оскільки вони складаються з елементів, функціональні можливості яких аналогічні більшості елементарних функцій біологічного нейрона. Ці елементи потім організовуються за способом, який може відповідати (або не відповідати) анатомії мозку. Незважаючи на таке поверхневе схожість, штучні нейронні мережі демонструють дивовижну число властивостей притаманних мозку. Наприклад, вони навчаються на основі досвіду, узагальнюють попередні прецеденти на нові випадки і витягують істотні властивості з надходить інформації, що містить зайві дані.
Незважаючи на таке функціональне схожість, навіть самий оптимістичний їх захисник не припустить, що в недалекому майбутньому штучні нейронні мережі будуть дублювати функції людського мозку. Реальний В«інтелектВ», демонстрований найскладнішими нейронними мережами, знаходиться нижче рівня дощового хробака, і ентузіазм повинен бути поміркований у відповідності з сучасними реаліями. Однак рівним чином було б невірним ігнорувати дивну подібність у функціонуванні деяких нейронних мереж з людським мозком. Ці можливості, як би вони не були обмежені сьогодні, наводять на думку, що глибоке проникнення в людський інтелект, а також безліч революційних додатків, можуть бути не за горами.
Навчання
Штучні нейронні мережі можуть міняти свою поведінку в залежності від зовнішнього середовища. Цей фактор в більшою мірою, ніж будь-який інший, відповідальний за той інтерес, який вони викликають. Після пред'явлення вхідних сигналів (можливо, разом з необхідними виходами) вони самоналагоджувальна, щоб забезпечувати необхідну реакцію. Було розроблено безліч навчальних алгоритмів, кожний зі своїми сильними і слабкими сторонами.
Узагальнення
Відгук мережі після навчання може бути до деякої міри нечутливий до невеликих змін вхідних сигналів. Ця внутрішньо притаманна здатність бачити образ крізь шум і спотворення життєво важлива для розпізнавання образів в реальному світі. Вона дозволяє подолати вимога суворої точності, що пред'являється звичайним комп'ютером, і відкриває шлях до системи, яка може мати справу з тим недосконалим світом, в якому ми живемо. Важливо відзначити, що штучна нейронна мережа робить узагальнення автоматично завдяки своїй структурі, а не з допомогою використання В«людського інтелектуВ» у формі спеціально написаних комп'ютерних програм.
Абстрагування
Деякі з штучних нейронних мереж мають здатність витягувати суть з вхідних сигналів. Наприклад, мережа може бути навчена на послідовність перекручених версій літери В«АВ». Після відповідного навчання пред'явлення такого спотвореного прикладу приведе до того, що мережа породить букву досконалої форми. У певному сенсі вона навчиться породжувати те, що ніколи не бачила.
Ця здатність витягувати ідеальне з недосконалих входів ставить цікаві філософські питання. Вона нагадує концепцію ідеалів, висунуту Платоном в його В«РеспубліціВ». У всякому разі здатність витягувати ідеальні прототипи є у людей дуже цінним якістю.
Застосовність
Штучні нейронні мережі не є панацеєю. Вони, очевидно, не годяться для виконання таких задач, як нарахування заробітної плати. Схоже, однак, що їм буде віддаватися перевагу у великому класі задач розпізнавання образів, з якими погано або взагалі не справляються звичайні комп'ютери.
2. Штучні нейронні мережі і експертні системи
В останні роки над штучними нейронними мережами домінували логічні і символьно-операційні дисципліни. Наприклад, широко пропагувалися експертні системи, у яких є багато помітних успіхів, так само, як і невдач. Дехто каже, що штучні нейронні мережі замінять собою сучасний штучний інтелект, але багато що свідчить про те, що вони будуть існувати, об'єднуючись в системах, де кожний підхід використовується для вирішення тих завдань, з якими він краще справляється.
Ця точка зору підкріплюється тим, як люди функціонують в нашому світі. Розпізнавання образів відповідає за активність, що вимагає швидкої реакції. Так як дії відбуваються швидко і несвідомо, то цей спосіб функціонування важливий для виживання під ворожому оточенні. Уявіть тільки, що було б, якби наші предки змушені були обмірковувати свою реакцію на стрибнув хижака?
Коли наша система розпізнавання образів не в змозі дати адекватну інтерпретацію, питання передається у вищі відділи мозку. Вони можуть запросити додаткову інформацію та займуть більше часу, але якість отриманих внаслідок рішень може бути вище.
Можна уявити собі штучну систему, подражающую такому поділу праці. Штучна нейронна мережа реагувала б в більшості випадків відповідним чином на зовнішнє середовище. Так як такі мережі здатні вказувати довірчий рівень кожного рішення, то мережа В«знає, що вона не знаєВ» і передає даний випадок для дозволу експертній системі. Рішення, що приймаються на цьому більш високому рівні, були б конкретними і логічними, але вони можуть мати потребу в зборі додаткових фактів для отримання остаточного висновку. Комбінація двох систем була б більш потужною, ніж кожна з систем окремо, слідуючи при цьому високоефективної моделі, що дається біологічною еволюцією.
Міркування надійності
Перш ніж штучні нейронні мережі можна буде використати там, де поставлені на карту людське життя або цінне майно, повинні бути вирішені питання, відносяться до їх надійності.
Подібно людям, структуру мозку яких вони копіюють, штучні нейронні мережі зберігають в певній мірі непередбачуваність. Єдиний спосіб точно знати вихід складається у випробуванні всіх можливих вхідних сигналів. У великій мережі така повна перевірка практично нездійсненна і повинні використовуватися статистичні методи для оцінки функціонування...
