rețele neuronale, magazin de programare wiki

Retele neuronale - o emulare de calculator a activității neuronilor creierului. Concluzia este ca neuron emulat - este un fel de funcție matematică, aportul care este alimentat la date (primare sau ieșiri ale altor neuroni), și funcțiile de ieșire pot fi aplicate altor artificiale neuroni (emulat) si, de asemenea prelucrate. Astfel, prin conectarea la rețeaua de câțiva neuroni, putem gasi modele in diferite seturi de date, de exemplu, pentru a prezice seria numărul (meteo, cotațiile bursiere, și așa mai departe). Cu toate acestea, acest lucru nu se limitează la utilizarea rețelelor neuronale. NA poate fi de asemenea utilizat pentru recunoașterea de model, în probleme de control și chiar și pentru comprimarea datelor.

Este, cu toate acestea, foarte clar faptul că rețelele neuronale poate și ce nu se poate. Dacă problema se reduce la faptul că, la intrarea unor date, care trebuie într-un fel se potrivesc magic de ieșire stabilit pe baza cheie de date> valoare, și doriți să găsiți doar o valoare, atunci aceste probleme pot fi rezolvate prin rețele neuronale. De exemplu, recunoasterea formelor, predicția meteorologice sau de stoc citate. În acest caz, din nou, aici avem de-a face cu o astfel de corespondență-cheie> valoare, și știm cheia, dar nu știu valoarea. În cazul, de exemplu, stocul de citate ca un avocat de mai multe valori anterioare cheie, precum și valori - ceea ce am prezis. Dar este cu totul alt lucru atunci când, de exemplu, este necesar să se calculeze rădăcina pătrată sau un plan de acțiune într-o anumită situație. Astfel de probleme nu sunt rezolva rețelei neuronale. Aceasta este, rețeaua neuronală nu este eficientă în cazul în care rezultatul exacte nevoie, sau, dacă este necesar, cunoștințe procedurale.

rețelele neuronale sunt una dintre direcțiile cele mai promițătoare de dezvoltare a inteligenței artificiale. Aici luate ca bază principiul de organizare a sistemului nervos al unei ființe vii. Teoretic, este posibil pentru a simula chiar creierul uman. Cu toate acestea, în practică, aceasta se face în prezent, nu este real, deoarece creierul uman conține 11 neuroni octombrie. Fiecare neuron este format din dendrite, soma și axon.

Dendritele - un tepii dendritice, care permit colectarea de informații de la alti neuroni sau receptori. corpul celulei nervoase numit soma. Se trece printr-procese biochimice complexe, prin care se produc de conversie a semnalului complex neliniar. Axon - proces de celule, în care semnalul de ieșire este alimentat la dendritele. Acesta este împărțit într-o multitudine de fibre. Joncțiunea cu detrita Axon numit sinapsa.

Semnalele se propagă în rețele neuronale biologice sunt impulsuri electrice scurte. Sub influența modificările potențiale ale neuronilor înșiși. La momentul când ajung la o anumită valoare de prag este generată de impulsuri care se propagă de-a lungul unui axon. potențial Soma scade de descărcare neuron. După ceva timp, neuron poate genera din nou un impuls. În cazul în care impulsurile care se încadrează pe sinapse crește potențialul somn, acest semnal de excitație. frânare - în cazul în care să cadă.

În construcția unei rețele neuronale artificiale (ANN), modelul este de obicei mai ușor. În prezent, există mai multe modele de neuroni. Și astfel, să ia în considerare modelul de McCulloch și Pitts:

care este exprimat prin formula:

unde g () - neuron funcția de transformare, θi - valoarea de prag, n - numărul de intrări neuron. Pentru modelul unei rețele neuronale McCulloch - funcția Pitts g () poate fi exprimată prin formula:

Această funcție este numită și funcția H (u) Heaviside.

Astfel, în cazul în care suma intrărilor înmulțită cu coeficienții θ este mai mare, neuron la ieșire vom obține un 1, altfel 0. Trebuie remarcat faptul că numai semnalul de ieșire al neuronului se poate schimba la momente discrete de timp.

Funcția care determină metoda de combinare caracteristici de intrare numita rețea sau o funcție de bază. Ea a indicat net. Acum suntem demontate doar un caz special al unei astfel de funcții:

De fapt, funcțiile de rețea și funcțiile de conversie ale neuron poate fi diferit, de exemplu, o rețea pătratică

Poate fi produs de tip, în general, exotice. Dar cel mai des folosit însumării.

Acum să vorbim despre funcțiile de transfer. Ele sunt, de asemenea, numite funcții de activator. Deoarece funcția de transformare poate fi utilizată o funcție pas:

funcție lineară cu saturație:

și în cele din urmă, funcția Gauss:

unde c și σ - coeficienți constanți.

Dacă funcția de rețea liniară, iar viteza de conversie și funcția de semn, atunci aceste neuroni se numesc rețele neuronale bazate pe aceste rețele neuronale cu elemente de prag liniare și neliniare. Semnalele distribuite în aceste rețele, sunt binare și poate fi 0 sau 1, sau -1 și +1. Dacă funcția de rețea este funcția de transformare sigmoid (bipolar sau unipolar) liniar, și, astfel de rețele neuronale sunt numite rețele neuronale cu elemente liniar continuu. Semnalele ei presupun valori arbitrare de la 0 la 1 sau de la -1 la 1.

Să considerăm un exemplu. Să presupunem că avem un neuron prag cu pragul la 2 și greutățile 1. Un astfel de neuron va servi ca „I“ (în cazul funcției de conversie în trepte)