Теми рефератів
> Реферати > Курсові роботи > Звіти з практики > Курсові проекти > Питання та відповіді > Ессе > Доклади > Учбові матеріали > Контрольні роботи > Методички > Лекції > Твори > Підручники > Статті Контакти
Реферати, твори, дипломи, практика » Статьи » Розпізнавання образів за допомогою неординарного алгоритму та програмної реалізації, що здійснює функціонування нової розділеної структури штучної нейронної мережі

Реферат Розпізнавання образів за допомогою неординарного алгоритму та програмної реалізації, що здійснює функціонування нової розділеної структури штучної нейронної мережі





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...


Назад | сторінка 5 з 36 | Наступна сторінка





Схожі реферати:

  • Реферат на тему: Розробка штучної нейронної мережі для розпізнавання статі по фотографії
  • Реферат на тему: Розробка програми моделювання нейронної мережі
  • Реферат на тему: Дослідження та розробка нейронної мережі для настройки коефіцієнтів ПІД-рег ...
  • Реферат на тему: Реалізація одношарової нейронної мережі (персептрона)
  • Реферат на тему: Створення нейронної мережі, що виконує логічну функцію &І& і &АБО&