озку нейрони можуть з'являтися, вмирати і змінювати свої зв'язки з іншими нейронами.
Зі сказаного вище стає зрозуміло, що ІНС реалізують свою обчислювальну потужність, завдяки двом основним своїм властивостям: істотно паралельно розподіленій структурі і здатності навчатися і узагальнювати отримані знання. Під властивістю узагальнення розуміється здатність ІНС генерувати правильні виходи для вхідних сигналів, які не були враховані в процесі навчання (тренування). Ці дві властивості роблять ІНС системою переробки інформації, яка вирішує складні багатовимірні завдання, непосильні іншим технікам.
З погляду машинного навчання, нейронна мережа являє собою окремий випадок методів розпізнавання образів, дискримінантного аналізу, методів кластеризації тощо З математичної точки зору, навчання нейронних мереж - це багатопараметрична завдання нелінійної оптимізації. З погляду кібернетики, нейронна мережа використовується в задачах адаптивного управління і як алгоритми для робототехніки. З точки зору розвитку обчислювальної техніки та програмування, нейронна мережа - спосіб вирішення проблеми ефективного паралелізму. А з точки зору штучного інтелекту, ІНС є основою філософської течії коннектівізма і основним напрямком в структурному підході з вивчення можливості побудови (моделювання) природного інтелекту за допомогою комп'ютерних алгоритмів.
Нейронні мережі не програмуються у звичному розумінні цього слова, вони навчаються. Можливість навчання - одна 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 зашумленних raquo ;, частково перекручених даних.
Штучна нейронна мережа (ІНС, нейронна мережа) - це набір нейронів, з'єднаних між собою. Як правило, передавальні функції всіх нейронів в нейронної мережі фіксовані, а ваги є параметрами нейронної мережі і можуть змінюватися. Деякі входи нейронів позначені як зовнішні входи нейронної мережі, а деякі виходи - як зовнішні виходи нейронної мережі. Подаючи будь-які числа на входи нейронної мережі, ми отримуємо якийсь набір чисел на виходах нейронної мережі. Таким чином, робота нейронної мережі полягає в перетворенні вхідного вектора у вихідний вектор, причому це перетворення задається вагами нейронної мережі.
Штучна нейронна мережа це сукупність нейронних елементів і зв'язків між ними (рис. 1.3).
Основу кожної штучної нейронної мережі складають відносно прості, в більшості випадків - однотипні, елементи (комірки), що імітують роботу нейронів мозку (далі під нейроном ми матимемо на увазі штучний нейрон, осередок штучної нейронної мережі).
Рис. 1.3. Штучний нейрон
Нейрон володіє групою синапсів - односпрямованих вхідних зв'язків, з'єднаних з виходами інших нейронів. Кожен синапс характеризується величиною синоптичної зв'язку або її вагою.
Кожен нейрон має поточний стан, яке зазвичай визначається, як зважена сума його входів:
Нейрон має аксон - вихідну зв'язок даного нейрона, з якою сигнал (збудження або гальмування) надходить на синапси наступних нейронів. Вихід нейрона є функція його стану:
=f (s)
Функція f називається функцією активації (рис. 1.4).
Рис.1.4. Функція активації
Функція активації може мати різний вигляд:
пороговий (рис. 1.4a),
кусочно-лінійний (рис. 1.4б),
пігмоід (рис. 1.4В, 1.4г).
Безліч всіх нейронів штучної нейронної мережі можна розділити на підмножини - т.зв. шари. Взаємодія нейронів відбувається пошарово.
Шар штучної нейронної мережі - це безліч нейронів, на які в кожен такт часу паралельно надходять сигнали від інших нейронів даної мережі
Вибір архітектури штучної нейронної мережі визначається завданням. Для деяких класів задач вже існують оптимальні конфігурації. Якщо ж завдання не може бути зведена ні до одного з відомих класів, розробнику доводиться вирішувати завдання синтезу нової конфігурації. Проблема синтезу штучної нейронної мережі сильно залежить від завдання, дати загальні докладні рекомендації скрутно. У більшості випадків оптимальний варіант штучної нейронної мережі виходить дослідним шляхом.
Штучні нейронні мережі можуть бути програмного і а...
