Міністерство освіти і науки РФ
ФГБОУ ВПО" Саратовський державний технічний університет
імені Гагаріна Ю.А."
Реферат
з дисципліни Геометричне моделювання та конструкторські бази даних
на тему Графіка в нейронних мережах
Виконав:
студент ПВСз - 61
Пивоваров Р.С.
Перевірив:
к.т.н., доцент
Мантурова І.А.
Саратов 2015
Зміст
Введення
.Поняття про нейронних мережах
2.Параллелі з біології
Базовий штучна модель
.властивості нейронних мереж
.Прімененіе нейронних мереж
.Классіфікація нейронних мереж
.Структура і принципи роботи нейронної мережі
.Сбор даних для нейронної мережі
Висновок
Список використаної літератури
Введення
В останні кілька років ми спостерігаємо вибух інтересу до нейронних мережах, які успішно застосовуються в різних галузях - бізнесі, медицині, техніці, геології, фізики. Нейронні мережі увійшли в практику скрізь, де потрібно вирішувати задачі прогнозування, класифікації або управління. Такий вражаючий успіх визначається декількома причинами:
· Багаті можливості. Нейронні мережі - виключно потужний метод моделювання, що дозволяє відтворювати надзвичайно складні залежності. Зокрема, нейронні мережі нелінійні по свій природі (зміст цього поняття детально роз'яснюється далі в цьому розділі). Протягом багатьох років лінійне моделювання було основним методом моделювання в більшості областей, оскільки для нього добре розроблені процедури оптимізації. У завданнях, де лінійна апроксимація незадовільна (а таких досить багато), лінійні моделі працюють погано. Крім того, нейронні мережі справляються з прокляттям розмірності raquo ;, яке не дозволяє моделювати лінійні залежності у випадку великого числа змінних
· Простота у використанні. Нейронні мережі вчаться на прикладах. Користувач нейронної мережі підбирає представницькі дані, а потім запускає алгоритм навчання, який автоматично сприймає структуру даних. При цьому від користувача, звичайно, потрібно якийсь набір евристичних знань про те, як слід відбирати і готувати дані, вибирати потрібну архітектуру мережі й інтерпретувати результати, проте рівень знань, необхідний для успішного застосування нейронних мереж, набагато скромніше, ніж, наприклад, при використанні традиційних методів статистики.
Нейронні мережі привабливі з інтуїтивною точки зору, бо вони засновані на примітивній біологічній моделі нервових систем. У майбутньому розвиток таких нейро-біологічних моделей може призвести до створення дійсно мислячих комп'ютерів. Тим часом вже прості нейронні мережі, які будує система ST Neural Networks, є потужною зброєю в арсеналі фахівця з прикладної статистики.
1. Поняття про нейронних мережах
Нейронні мережі - це один з напрямків досліджень у галузі штучного інтелекту, засноване на спробах відтворити нервову систему людини, а саме: здатність нервової системи навчатися і виправляти помилки, що має дозволити змоделювати, хоча і досить грубо, роботу людського мозку.
Нейронна мережа складається, як це не дивно, з нейронів.
Рис.1 Структурна схема нейрона
Структуру нейрона можна представити з наступних блоків:
1. Вхідні сигнали;
2. Вагові коефіцієнти;
. Суматор і його вихід;
. Функція активації нейрона;
. Вихідний сигнал.
У нейронної мережі багато властивостей, але найголовнішим є її здатність до навчання. Процес навчання мережі зводиться до зміни вагових коефіцієнтів.
в даному випадку і є результат обчислень нейрона.
Результати обчислень віддаються на вихід не безпосередньо, а через функцію активації, про яку ми поговоримо пізніше. Одним словом, нейронну мережу можна представити у вигляді чорного ящика raquo ;, на вхід якого ми подаємо сигнали, а на виході отримуємо результат.
Рис.2 Структурна схема багатошарової нейронної мережі
А так виглядатиме багатошарова нейронна мережа. Вона включає в себе:
§ Вхідний шар - служить для розподілу даних по мережі і не робить ніяких обчислень. ...
