ості побудови (моделювання) природного інтелекту за допомогою комп'ютерних алгоритмів. p align="justify"> Нейронні мережі не програмуються в звичному сенсі цього слова, вони навчаються. Можливість навчання - одне з головних переваг нейронних мереж перед традиційними алгоритмами. Технічно навчання полягає в знаходженні коефіцієнтів зв'язків між нейронами. У процесі навчання нейронна мережа здатна виявляти складні залежності між вхідними даними і вихідними, а також виконувати узагальнення. Це означає, що, у разі успішного навчання, мережа зможе повернути вірний результат на підставі даних, які були відсутні в навчальній вибірці, а також неповних та/або В«зашумленихВ», частково перекручених даних. p align="justify"> Слід зазначити, що обчислювальні системи, засновані на штучних нейронних мережах, мають ряд якостей, які притаманні мозку людини: масовий паралелізм; розподілене представлення інформації і обчислення; здатність до навчання та узагальненню; адаптивність; властивість контекстуальної обробки інформації; толерантність до помилок; низьке енергоспоживання.
На закінчення можна сказати, що в даній роботі були розглянуті історичне формування та розвиток нейронауки, загальні основи і введення в область штучних нейронних систем і нейромережевого моделювання, виділені види їх реалізації і самого процесу апаратного В«сприйняттяВ», а так само описані різні види нейромереж та їх особливості. Підкреслюється важливість нейромережевих технологій у сучасній науці і життя, яка пояснюється різноманіттям їх застосування; приділяється увага триваючому розвитку штучної нейроіндустріі. br/>
Практична частина
Лабораторна робота № 1
Штучні нейронні мережі
Мета роботи : вивчення архітектури штучних нейронних мереж, способів їх графічного зображення у вигляді функціональних і структурних схем і програмного подання у вигляді об'єктів спеціального класу network, що включають масив структур з атрибутами мережі і набір необхідних методів для створення, ініціалізації, навчання, моделювання та візуалізації мережі, а також придбання навичок побудови мереж різної архітектури за допомогою інструментального програмного пакета Neural Network Toolbox системи MATLAB.
Теоретичні відомості.
Окремі нейрони здатні після деякої процедури навчання вирішувати ряд задач штучного інтелекту, все ж ефективного вирішення складних завдань по розпізнаванню образів, ідентифікації та класифікації об'єктів, розпізнаванню і синтезу мови, оптимальному управлінню застосовують досить великі групи нейронів, утворюючи з них штучні нейронні мережі у вигляді пов'язаних між собою шарів, що нагадують біологічні нейронні (нервові) мережі людини і тварин. Існує безліч способів організації штучних нейронних мереж, які можуть містити різне ч...
