одою об'єкти: символи тексту, зображення, зразки звуків і т. д. При навчанні мережі пропонуються різні зразки образів із зазначенням того, до якого класу вони відносяться. Зразок, як правило, представляється як вектор значень ознак. При цьому сукупність всіх ознак повинна однозначно визначати клас, до якого належить зразок. У разі, якщо ознак недостатньо, мережа може співвіднести один і той же зразок з кількома класами, що невірно. По закінченні навчання мережі їй можна пред'являти невідомі раніше образи і отримувати відповідь про приналежність до певного класу. p align="justify"> Топологія такої мережі характеризується тим, що кількість нейронів у вихідному шарі, як правило, дорівнює кількості визначених класів. Коли мережі пред'являється якийсь образ, на одному з її виходів повинен з'явитися ознака того, що образ належить цьому класу. У той же час на інших виходах повинен бути ознака того, що образ даному класу не належить. Якщо на двох або більше виходах є ознака приналежності до класу, вважається що мережа В«не впевненаВ» у своїй відповіді. p align="justify"> Отже, завданням системи-класифікатора є встановлення приналежності образу до одного з формально певних класів. Прикладами такого завдання є завдання класифікації рослин в ботаніці, класифікація хімічних речовин за їх властивостями та типами можливих реакцій, в які вони вступають, та інші. Формальні ознаки можуть бути визначені за допомогою правил типу якщо ..-то .. , а системи, що оперують з такими правилами, отримали назву експертних систем.
Проблема категоризації знаходиться на сходинку вище за складністю порівняно з класифікацією. Особливість її полягає в тому, що крім віднесення образу до якої-небудь групи, потрібно визначити самі ці групи, тобто сформувати категорії. У разі навчання з учителем формування категорій відбувається методом проб і помилок на основі прикладів з відомими відповідями, наданими експертом. Учитель керує навчанням за допомогою зміни параметрів зв'язків і, рідше, самої топології мережі. p align="justify"> Завданням системи-категорізатора є формування узагальнюючих ознак у сукупності прикладів. При збільшенні числа прикладів несуттєві, випадкові ознаки згладжуються, а часто зустрічаються - посилюються, при цьому відбувається поступове уточнення меж категорій. Важливо зазначити відмінність в характері неявних знань , запомненних штучної нейронної мережею, і явних, формальних знань , закладених в експертних системах.
Деякі подібності та відмінності представлені в наступній таблиці:
Експертні системи (ЕС) Нейромережеві системи (НС) Джерело знанійФормалізованний досвід експерта, виражений у вигляді логічних тверджень - правил і фактів, безумовно прийнятих сістемойСовокупни...
