ладів в тих випадках, коли невідомі закономірності розвитку ситуації і функції залежності між вхідними та вихідними даними. У таких випадках (до них можна віднести до 80% завдань фінансового аналізу) пасують традиційні математичні методи;
· здатність успішно вирішувати завдання, спираючись на неповну, викривлену і внутрішньо суперечливу вхідну інформацію;
· експлуатація навченої нейронної мережі під силу будь-яким користувачам;
· нейромережеві пакети дозволяють виключно легко підключатися до баз даних, електронної пошти та автоматизувати процес введення і первинної обробки даних;
· внутрішній паралелізм, властивий нейронних мереж, дозволяє практично безмежно нарощувати потужність нейросистеми, тобто надвисоке швидкодія за рахунок використання масового паралелізму обробки інформації;
· толерантність 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.
Існує кілька класифікацій відомих нейромереж:
1 . за типами структур нейронів:
o гомогенні мережі (однорідні) складаються з нейронів одного типу з єдиної функцією активації;
o гетерогенні мережі (входять нейрони з різними функціями активації).
. за типом оперованих сигналів:
o бінарні оперують тільки двійковими сигналами, і вихід кожного нейрона може приймати значення якого логічного нуля (загальмований стан), або логічної одиниці (збуджений стан);
o аналогові;
. по змінам станів
o синхронні, тобто в кожен момент часу лише один нейрон змінює свій стан;
o асинхронні, тобто стан змінюється відразу у цілої групи нейронів, як правило, у всього шару. Алгоритмічно хід часу в нейронних мережах задається ітераційним виконанням однотипних дій над нейронами;
4. по можливостям навчання:
o попередньо навчені (неадаптивні);
o самообучающиеся (адаптивні);
5. по архітектурі:
a. повнозв'язні;
b. багатошарові або шаруваті ;. слабозв'язаних (з локальними зв'язками).
У повнозв'язних нейросетях кожен нейрон передає свій вихідний сигнал іншим нейронам, у тому числі й самому собі. Всі вхідні сигнали подаються всім нейронам. Вихідними сигналами мережі можуть бути всі або деякі вихідні сигнали нейронів після кількох тактів функціонування мережі.
У багатошарових нейронних мережах нейрони об'єднуються в шари. Шар містить сукупність нейронів з єдиними вхідними сигналами. Число нейронів у шарі може бути будь-яким і не залежить від кількості нейронів в інших шарах. У загальному випадку мережа складається з Q шарів, пронумерованих зліва направо. Зовнішні вхідні сигнали подаються на входи нейронів вхідного шару (його часто нумерують як нульовий ), а виходами мережі є вихідні сигнали останнього шару, Крім вхідного і вихідного шарів в багатошаровій нейронної мережі є один або кілька прихованих шарів. Зв'язки від виходів нейронів деякого шару q до входів нейронів наступного шару (q + 1) називаються послідовними , а між нейронами одного шару називають латеральними (бічними).
Глава 2. Застосування нейромережевих технологій
Застосування нейромережевого програмного забезпечення і його можливості. . Існує два різних напрямки до практичного втілення ідеї штучних нейронних мереж. Перший напрямок-мікропроцесорні пристрої зі штучних нейронів, так звані нейрочіпи, а друге -Комп'ютерні програми-імітатори. Нейромережеве програмне забезпечення активно використовується в різних галузях знань і все більше розширюються області їх застосування, де людський інтелект малоефективний, а традиційні обчислення трудомісткі або фізично неадекватні (тобто погано відображають реальні фізичні процеси і об'єкти).
Основні області застосування нейронних мереж в промисловості:
1. Управління технологічними процесами.
. Ідентифікація хімічних компонент.
. Контроль якості артезіанських вод.
. Оцінка екологічної обстановки.
