Барский. Нейронные сети: распознавание, управление, принятие решений

нейронные сети распознавание и управление

информационных и управляющих систем в науке, экономике, финансах и искусстве. Исследуются вопросы разработки нейросетей «под задачу», представления исходной и обработки выходной информации. Предлагаются простые методы обучения в статическом и динамическом режимах. Обсуждаются особенности систем принятия решений, самообучающихся управляющих систем, систем логического вывода, банковского мониторинга, безопасности, защиты информации, политического и социального прогноза, бизнеса развлечений и туризма. Для студентов технических и экономических вузов, аспирантов, инженеров и исследователей в области современных информационных технологий.

Прагматический уровень проблемы использования нейронных сетей

По нейронным сетям накоплен огромный материал, способный привести в растерянность неискушенного читателя, пытающегося понять, что такое нейросети. С этой проблемой столкнулся автор данной книги при чтении курса лекций по нейроинформатике студентам технического вуза, обладающим традиционным объемом математических знаний, и несформированным

формально-логическим мышлением. Помогла схемотехническая

направленность их знаний в области конструирования электронных схем и программирования. Устранение излишней «математизированности» проблемы и смещение ее на уровень прагматический, оперирующий лишь с простыми логическими элементами, одна из основных целей настоящей книги.

Как же добиться доступности изложения? Один путь уже указан: использование простых принципов схемотехники. Другой

путь в применении методов распараллеливания обработки информации, присущих такой универсальной нейронной сети, какой является мозг. Однако параллельные вычислительные процессы «обладают» теорией, несложными методами расчета и организации, известными специалистам. Представляется логичным приложение простейших методов и концепции распараллеливания к такой же параллельной системе, как нейросеть.

Подобный подход оказался плодотворным и, в частности,

привел к простым и уже знакомым аудитории алгоритмам обучения нейросети, позволяющим полностью устранить взаимное

влияние эталонов, по которым производится обучение. И наконец, основной способ достижения доступности изложения состоит в строгом следовании идеям искусственного интеллекта, воспроизводящим работу мозга. Именно в этом случае нейросети обеспечивают простое и естественное решение тех проблем, о которых заявлено в названии книги.

методы распараллеливания обработки информации

Простота логики работы мозга человека

Мозг умеет все, и, что очень важно, логика его работы весьма проста. Она использует связи «если - то», «посылка - следствие». Более того, это основные отношения, складывающиеся на этапе обучения в незримые таблицы. В свою очередь, основной вопрос: «На что более всего похож предъявляемый образ и что из этого следует?», в то же время является основной функцией обучения нейросети, воспроизводящей работу мозга и ассоциативное мышление. И мы уже видим, как с помощью такого принципа решаются представленные здесь задачи.

Защитные принципы искусственного интеллекта и нейросетевые технологии, спросим читателя, много ли он считает, т.е. оперирует с числами, в своей обыденной жизни? Как находит угол поворота-рулевого колеса, чтобы удержать автомобиль на дороге?

Как выбирает значения массы параметров, чтобы попасть мячом в баскетбольную корзину? Как вообще он передвигается по дороге, не спотыкаясь о бугорки и обходя лужицы? Интерполируя по тем самым незримым таблицам, реализованным и развиваемым в нейронной сети нашего мозга, мы можем безбедно прожить жизнь, не ставя перед собой тяжелых творческих задач. И только взаимодействие таких таблиц, содержащихся в них отношений (в совокупности с образной памятью),

позволяет строить логические цепочки, называемые умозаключениями.

Книга содержит девять разделов.

нейросеть воспроизводит работу мозга

Нейронные сети: проблемы построения и применения

В разд. 1 обсуждаются проблемы построения и применения нейронных сетей. В разд. 2 строится обученная нейросеть на основе «схемотехнического» подхода. В разд. 3 приводятся пример и формальный алгоритм обучения нейронной сети методом трассировки. В разд. 4 исследуется проблема динамического, постепенного обучения нейросети в процессе ее эксплуатации. В разд. 5 рассматривается построение нейронных сетей с обратными связями. Разд. 6 посвящен построению самообучающихся систем управления. В разд. 7 представлена нейросетевая реализация АЛГОЛ-программы. В разд. 8 аппарат «карт Кохонена», реализуется на универсальной нейросети,

позволяющей значительно увеличить число рассматриваемых

факторов. Разд. 9 посвящен перспективе применения нейросетевых технологий в сфере обеспечения безопасности, в системах

защиты информации, при управлении следованием поездов и др.

Книга рассчитана на любознательных, предприимчивых

компьютерщиков и программистов, желающих найти область

приложения своим интересам для личных успехов в Computer Art

Studio в науке, экономике и бизнесе, а также в индустрии развлечений и зрелищ.

алгоритм обучения нейронной сети

Источники и ссылки

с Forex2 info / Форекс 2 инфо