дозволяє їй правильно В«бачитиВ» образ, що містить різні перешкоди і спотворення.
У 50-х роках минулого століття група дослідників об'єднала біологічні та фізіологічні підходи і створила перші штучні нейронні мережі. Тоді здавалося, що ключ до штучного інтелекту знайдений. Але, хоча ці мережі ефективно вирішували деякі завдання з області штучного зору - передбачення погоди і аналізу даних, ілюзії незабаром розсіялися. Мережі були не в змозі вирішувати інші завдання, зовні схожі на ті, з якими вони успішно справлялися. З цього часу почався період інтенсивного аналізу. Були побудовані теорії, доведений ряд теорем. Але вже тоді стало зрозуміло, що без залучення серйозної математики розраховувати на значні успіхи не слід.
З 70-х років в наукових журналах стали з'являтися публікації, що стосуються штучних нейронних мереж. Поступово був сформований хороший теоретичний фундамент, на основі якого сьогодні створюється більшість мереж. В останні два десятиліття розроблена теорія стала активно застосовуватися для вирішення прикладних завдань. З'явилися і фірми, що займаються розробкою прикладного програмного забезпечення для конструювання штучних нейронних мереж. До того ж 90-ті роки ознаменувалися приходом штучних нейронних мереж в бізнес, де вони показали свою реальну ефективність при вирішенні багатьох завдань. У числі завдань, вирішення яких довіряють штучних нейронних мереж, можна назвати наступні - це розпізнавання тексту й мови, семантичний пошук, експертні системи та системи підтримки прийняття рішень, передбачення курсів акцій, системи безпеки, аналіз текстів. Розглянемо кілька особливо яскравих і цікавих прикладів використання нейронних мереж у різних областях.
Техніка та телекомунікації
У 1996 році фірмою Accurate Automation Corp (# "1.files/image003.jpg">
Рис. 3. Схема пересувного штатива з радіометрами
В
Рис. 4. Пересування рами з радіометрами з однієї ділянки на іншу
В
Рис. 5. Експериментальні ділянки
Конструкція і розміри пересувного штатива (рами) були обрані виходячи із задоволення наступними критеріями [1]:
1. Еталони і досліджувані ділянки повинні знаходитися в дальній зоні антен радіометрів
2. Ширина головного пелюстка за рівнем 0,5 дб повинна бути менше геометричних розмірів, ідеалів і ділянок.
3. Кут нахилу антен має становити 10 0
Ділянки № 1, № 2, № 3, № 4 є експериментальними ділянками, на яких розташовані такі види грунтів: земля, забруднена нафтою, пісок, глина, чорнозем, відповідно. На ділянці № 5 розташований лист металу, а на дільниці № 6 - ємність з водою. Ділянки № 5 і № 6 використовуються для калібрування обладнання, а вимірювання зняті з цих ділянок є опорною точкою (калібруванням) для розрахунку яркостних температур грунту ділянок № 1 - № 4.
Штатив (рама) пересувається з одного на інший ділянку, вимірювання проводяться послідовно радіометрами з частотою 5 Gh, потім 11 Gh, потім 3,6 Gh.
При калібруванню радіометрів використовуються наступні еталони випромінювання: випромінювання неба, відбите металевим листом, випромінювання гладкою водної поверхні, випромінювання поглинаючого покриття. Розміри еталонів повинні перевищувати розміри плями, що випромінює в головний пелюсток, щоб дифракційними явищами на краях зразків можна знехтувати.
У ході експерименту замірялися: час, температура навколишнього середовища, температура шару грунту на глибині 05 см і 2 см, а також вимірювалася яркостная температура грунтів.
Двічі на день бралися проби грунтів на вологість: поверхневий шар 0-1 см, 1-2 см, і 3-4 см.
Досліджуваними об'єктами були ділянки № 2 і № 3, піщана і глинистий грунт відповідно (рис. 4; рис. 5).
В
Рис. 6. Піщаний грунт. Ділянка № 2
В
Рис. 7. Середній суглинок. Дільниця № 3
З отриманих даних видно, що майже однакові в оптичному діапазоні грунту, кардинально відрізняються за фізичними властивостями.
Таблиця 1. Гранулометричний склад грунтів (% від маси сухого грунту)
Розмір фракцій, мм
Грунт
1-0,25
0,25-0,05
0,05-0,01
0,01-0,005
0,005-0,001
<0,001
<0,01
Пісок (№ 2)
36,1
43,4
11,4
5,5
1,4
0,9
1,3
Глина (№ 3)
0,80
...
