Самолетни двигатели Административно право Административно право на Беларус Алгебра Архитектура Безопасност на живота Въведение в професията „психолог“ Въведение в икономиката на културата Висша математика Геология Геоморфология Хидрология и хидрометрия Хидравлични системи и хидромашини История на Украйна Културология Културология Логика Маркетинг Машиностроене Медицинска психология Метали и заваръчни инструменти Метали и метали икономика Описателни 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 Социална психология социални и философски проблеми Социология Статистика теоретичните основи на компютъра автоматично управление теория теорията на вероятностите транспорт Закон Turoperator Наказателно право Наказателно-процесуалния управление модерно производство Физика физични явления Философски хладилни агрегати 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 VKontakte Odnoklassniki My World Facebook LiveJournal Instagram
border=0

Изкуствени невронни мрежи (ANNs)

<== предишна статия | следваща статия ==>

Изкуствени невронни мрежи (ANNs) - 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 възниква при изучаването на процесите, протичащи в мозъка, и в опит да се симулират тези процеси.

Първият подобен опит бяха невронните мрежи на McCulloch и Pitts. Впоследствие, след разработването на алгоритми за обучение, получените модели започват да се използват за практически цели: при прогнозиране на проблеми, за разпознаване на модели, при проблеми с контрола и др.

ANN са система от свързани и взаимодействащи прости процесори (изкуствени неврони). Такива процесори обикновено са доста прости, особено в сравнение с процесорите, използвани в личните компютри. Всеки процесор на такава мрежа се занимава само със сигналите, които периодично получава, и сигналите, които периодично изпраща на други процесори. Въпреки това, свързани с достатъчно голяма мрежа с контролирано взаимодействие, такива локално прости процесори заедно са в състояние 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 групиране и др. От математическа гледна точка обучението на невронните мрежи е многопараметричен нелинеен оптимизационен проблем. От гледна точка на кибернетиката, невронната мрежа се използва в задачите за адаптивен контрол и като алгоритми за роботизация. От гледна точка на развитието на компютърните технологии и програмиране, невронната мрежа е начин за решаване на проблема с ефективния паралелизъм. И от гледна точка на изкуствения интелект, ANN е в основата на философската тенденция на свързаност и основна посока в структурния подход за изучаване на възможността за изграждане (моделиране) на естествения интелект с помощта на компютърни алгоритми.

Невронните мрежи не са програмирани в обичайния смисъл на думата, те се обучават. Способността за учене е едно от основните предимства на невронните мрежи пред традиционните алгоритми. Технически, обучението се състои в намиране на коефициентите на връзки между невроните. В процеса на обучение невронната мрежа е в състояние да идентифицира сложни връзки между вход и изход, както и да извърши обобщение. Това означава, че ако обучението е успешно, мрежата ще може да върне правилния резултат въз основа на данни, които не са били в извадката за обучение, както и непълни и / или „шумни“, частично изкривени данни.

<== предишна статия | следваща статия ==>

Прочетете също:

Ефекти от резонансно взаимодействие на електромагнитно поле с материя

Характеристики на внедряването на нелинейни процеси в системи с хаотична динамика

Подредени въглеродни наноструктури и тяхното практическо приложение

Принципи на изграждане на сензорни самоорганизиращи се системи

MEMS дисплеи.

Зееман ефект

Използване на хаос за генериране на информация

Физическата същност на тунелния ефект

NGR метод - спектроскопия

Концепцията за "меки измервания"

Квантов осцилатор на базата на електромеханичен резонатор

Използването на хаос в устройства за обработка на информация

Обратно към съдържанието: Съвременни фундаментални и приложни изследвания в инструменталната техника

Преглеждания: 3336

11.45.9.161 © ailback.ru Той не е автор на публикуваните материали. Но предоставя възможност за безплатно използване. Има ли нарушение на авторски права? Пишете ни | Обратна връзка .