к правило, і великими обчислювальними можливостями. Хоча створені мережі всіх конфігурацій, які тільки можна собі уявити, послойная організація нейронів копіює шаруваті структури певних відділів мозку. Багатошарові мережі можуть утворюватися каскадами шарів. Вихід одного шару є входом для наступного шару. Подібна мережа показана на рис 1.4 і знову зображена з усіма сполуками.
Застосування нейронних мереж
Нейрокомп'ютери (комп'ютери на основі нейронних мереж) мають цілу низку властивостей, привабливих з точки зору їх практичного використання:
Надвисоке швидкодію за рахунок використання масового паралелізму обробки інформації.
Толерантність (терпимість) до помилок: працездатність зберігається при пошкодженні значного числа нейронів.
Здатність до навчання; програмування обчислювальної системи замінюється навчанням.
Здатність до розпізнавання образів в умовах сильних перешкод і спотворень.
Однак, перші 2 властивості мають місце тільки при апаратній реалізації нейронних мереж. Апаратно реалізовані нейронні мережі забезпечують вирішення складних завдань за часи порядку часів спрацьовування ланцюжків електронних та / або оптичних елементів. Рішення слабо залежить від несправності окремого нейрона. Це робить їх привабливими для використання в складі бортових обчислювальних систем.
В даний час нейронні мережі застосовуються для вирішення багатьох неформалізованих або важко формалізованих завдань:
розпізнавання і синтезу мови;
розпізнавання аерокосмічних зображень;
прогнозування котирування цінних паперів і курсу валют;
попередження шахрайства з кредитними картками;
оцінки вартості нерухомості;
оцінки фінансового стану підприємств і ризику неповернення кредитів;
обробки радіолокаційних сигналів;
контролю руху на швидкісних автомагістралях і залізницях;
діагностики в медицині;
видобутку знань з великих обсягів даних в бізнесі, фінансах і наукових дослідженнях.
Нейронні мережі можна використовувати при наступних умовах:
Якщо задачу може вирішувати чоловік.
Якщо при вирішенні задачі можна виділити безліч вхідних факторів (сигналів, ознак, даних тощо) і безліч вихідних факторів.
Якщо зміни вхідних факторів призводить до зміни вихідних.
У той же час застосування нейронних мереж при вирішенні деяких завдань може виявитися ефективніше використання розуму людини. Це пояснюється тим, що людський розум орієнтований на вирішення завдань у тривимірному просторі. Багатовимірні завдання для нього характеризуються значно більшою трудомісткістю. Штучним нейронних мереж не властиво таке обмеження. Їм все одно вирішувати тривимірну або 10-мірну задачу.
При застосуванні нейронних мереж необхідно вирішити наступні завдання:
Постановка завдання, придатної для вирішення за допомогою нейронної мережі.
Вибір моделі ІНС.
Підготовка вихідних даних для навчання ІНС.
Навчання ІНС.
Власне рішення задачі за допомогою навченої ІНС
Крім того, іноді потрібен ще один етап - інтерпретація рішення, отриманого нейронною мережею.
Найбільш трудомісткими процесами при використанні нейронних мереж є підготовка вихідних даних для навчання і навчання нейронної мережі.
Навчання нейронних мереж
По ор...