Авиационно инженерство Административно право Административно право Беларус Алгебра Архитектура Безопасност на живота Въведение в професията „психолог” Въведение в икономиката на културата Висша математика Геология Геоморфология Хидрология и хидрометрия Хидросистеми и хидравлични машини Културология Медицина Психология икономика дескриптивна геометрия Основи на икономически т Oria професионална безопасност Пожарна тактика процеси и структури на мисълта, Професионална психология Психология Психология на управлението на съвременната фундаментални и приложни изследвания в апаратура социалната психология социални и философски проблеми Социология Статистика теоретичните основи на компютъра автоматично управление теория на вероятностите транспорт Закон Turoperator Наказателно право Наказателно-процесуалния управление модерна производствена Физика Физични феномени Философски хладилни инсталации и екология Икономика История на икономиката Основи на икономиката Икономика на предприятията Икономическа история Икономическа теория Икономически анализ Развитие на икономиката на ЕС Спешни ситуации ВКонтакте Однокласници Моят свят Facebook LiveJournal Instagram
border=0

Изкуствени невронни мрежи (INS)

<== предишна статия | следващата статия ==>

Изкуствени невронни мрежи (INS) - математически модели, както и техните софтуерни или хардуерни реализации, изградени на принципа на организация и функциониране на биологични невронни мрежи - мрежи от нервни клетки на жив организъм. Тази концепция е възникнала при изучаването на процесите, протичащи в мозъка, и при опит за симулиране на тези процеси.

Първият подобен опит е невронните мрежи на Маккалох и Питс. Впоследствие, след разработването на алгоритми за обучение, получените модели бяха използвани за практически цели: в прогнозирането на проблеми, за разпознаване на образи, в контролни проблеми и др.

ANNs са система от прости процесори (изкуствени неврони), свързани и взаимодействащи помежду си. Такива процесори обикновено са доста прости, особено в сравнение с процесорите, използвани в персоналните компютри. Всеки процесор на подобна мрежа се занимава само с сигнали, които периодично получава, и сигнали, които периодично изпраща на други процесори. И все пак, свързани с доста голяма мрежа с контролирано взаимодействие, такива локално прости процесори заедно са способни да изпълняват доста сложни задачи.

От гледна точка на машинното обучение, невронната мрежа е специален случай на методи за разпознаване на образи, дискриминантни анализи, методи за клъстериране и др. От математическа гледна точка обучението на невронни мрежи е многопараметричен проблем на нелинейната оптимизация. От гледна точка на кибернетиката, невронната мрежа се използва в проблемите на адаптивното управление и като алгоритми за роботиката. От гледна точка на развитието на компютрите и програмирането, невронната мрежа е начин за решаване на проблема с ефективния паралелизъм. А от гледна точка на изкуствения интелект АНН е в основата на философския курс на свързване и основната посока в структурния подход за изучаване на възможността за конструиране (моделиране) на естествената интелигентност с помощта на компютърни алгоритми.

Невронните мрежи не са програмирани в обичайния смисъл на думата, те са обучени. Възможността за учене е едно от основните предимства на невронните мрежи пред традиционните алгоритми. Технически, ученето е да се намерят коефициентите на връзките между невроните. В процеса на обучение, невронната мрежа е в състояние да открива комплексни зависимости между входните данни и изхода, както и да извършва обобщение. Това означава, че в случай на успешно обучение мрежата ще може да върне верния резултат въз основа на данни, които не са налични в обучителния комплект, както и на непълни и / или „шумни“, частично изкривени данни.

<== предишна статия | следващата статия ==>

Вижте също:

Показва се MEMS.

Архитектура на конзолни сензори и системи за наблюдение на положението на конзоли

Използване на хаоса за генериране на информация

Физически основи на нанотехнологиите, получаване на наноматериали

Сканиращи магнитни микроскопи на базата на интерферометри SQUID

Тунелна микроскопия.

Примери за практическо използване на NMR

Ефекти от резонансно взаимодействие на електромагнитно поле с вещество

Устройство и принцип на работа на електростатични и магнитни лещи

Хелиев йон микроскоп

Практическо приложение на електронната микроскопия

Ефект на Джоузефсън

MEMS захранвания за преносими устройства.

Връщане към съдържанието: Съвременни фундаментални и приложни изследвания в приборостроенето

Видян: 2781

11.45.9.53 © ailback.ru не е автор на публикуваните материали. Но предоставя възможност за безплатно ползване. Има ли нарушение на авторските права? Пишете ни Обратна връзка .