Нейронні мережі, сутність мереж

263_2

Що таке штучні нейронні мережі? Що вони можуть робити? Як вони працюють? Як їх можна використовувати? Ці і безліч подібних питань задають фахівці з різних областей.

Що ж таке нейроподібна мережа? Це штучний аналог біологічної мережі, який за своїми параметрами максимально наближається до оригіналу. Нейроподібні мережі пройшли довгий шлях становлення і розвитку, від повного заперечення можливості їх застосування до втілення в багато сфер діяльності людини.

Сучасні цифрові обчислювальні машини здатні з високою швидкодією і точністю вирішувати формалізовані завдання з цілком певними даними за заздалегідь відомими алгоритмами. Проте в тих випадках, коли завдання не піддається формалізації, а вхідні дані неповні, зашумлені або суперечливі, застосування традиційних комп’ютерів стає неефективним. Альтернативою їм стають спеціалізовані комп’ютери, що реалізовують нетрадиційні нейромережеві технології. Сильною стороною цих комплексів є нестандартний характер обробки інформації. Вона кодується і запам’ятовується не в окремих елементах пам’яті, а в розподілі зв’язків між нейронами і в їх силі, тому стан кожного окремого нейрона визначається станом багатьох інших нейронів, пов’язаних з ним. Отже, втрата одного або декількох зв’язків не робить істотного впливу на результат роботи системи в цілому, що забезпечує її високу надійність [76].

Висока «природна» перешкодостійкість і функціональна надійність стосуються як спотворених (зашумлених) потоків інформації, так і в сенсі відмов окремих процесорних елементів. Цим забезпечуються висока оперативність і достовірність обробки інформації, а просте донавчання і перенавчання мереж дозволяють при зміні зовнішніх чинників своєчасно здійснювати перехід на новий рівень вирішуваних завдань.

Наведені вище переваги нейромережевої обробки даних визначають сфери їх застосування:

– обробка і аналіз зображень;

– розпізнавання мови незалежно від диктора;

– обробка високошвидкісних цифрових потоків;

– автоматизована система швидкого пошуку інформації;

– класифікація інформації в реальному масштабі часу;

– планування, застосування сил і засобів у великих масштабах;

– вирішення трудомістких задач оптимізації;

– адаптивне управління і передбачення.

Основні положення теорії діяльності головного мозку і математична модель нейрона були розроблені У. Маккалоком і Ч. Піттсом в 1943 році і опубліковані в статті «Логічне обчислення ідей, що відносяться до нервової діяльності», яка була видана російською мовою в збірці «Автомати» тільки через 13 років. Згідно із запропонованою моделлю мозком є ансамбль нейронів, що мають однакову структуру. Кожен нейрон реалізує деяку функцію, названу пороговою, над вхідними значеннями. Якщо значення функції перевищує певну величину – поріг (що характеризує сумарну значущість отриманої нейроном інформації), нейрон збуджується і формує вихідний сигнал для передачі його іншим нейронам. Пройшовши шлях від рецепторів (слухових, зорових і інших) через нейронні структури мозку до виконавчих органів, вхідна інформація перетвориться в набір керувальних дій адекватних ситуації [75].

Окремі нейрони, з’єднуючись між собою, утворюють нову якість, яка, залежно від характеру міжнейронних з’єднань, має різні рівні біологічного моделювання:

– група нейронів;

– нейронна мережа;

– нервова система;

– розумова діяльність;

– мозок.

Іншими словами, нейроподібна мережа — це паралельна зв’язна мережа простих адаптивних елементів, яка взаємодіє з об’єктами реального світу аналогічно біологічній нервовій системі [75]. З інженерної точки зору така мережа є динамічною системою, яка сильно розпаралелює, з топологією направленого графа, яка може виконувати переробку інформації за допомогою зміни свого стану у відповідь на постійний або імпульсний вхідний сигнал.

В наш час основними напрямами реалізації мереж є:

– програмна реалізація на цифрових ЕОМ традиційної архітектури;

– програмно-апаратна реалізація у вигляді співпроцесорів до ЕОМ загального призначення;

– апаратна реалізація шляхом створення нейрокомп’ютерів на базі нейроплат у вигляді паралельних нейроподібних структур.

Ранні варіанти реалізації нейронних мереж відносяться до перших двох із вказаних напрямів. Перший напрям характеризується універсальністю, дешевизною і низькою швидкістю навчання і функціонування нейронних мереж. Для другого напряму характерна висока швидкість моделювання функціонування мереж, але при цьому існують серйозні фізичні обмеження числа модельованих елементів і зв’язків між ними, а також можливостей навчання і донавчання. Із розвитком елементної бази ЕОМ став можливим самостійний розвиток третього напряму, який поклав початок індустрії нейрокомп’ютерів, що подають сукупність апаратних і програмних засобів для реалізації моделей нейронних мереж.

На сьогоднішній день відомо вже більше 200 різних парадигм нейронних мереж (не лише детермінованих, але і імовірнісних), десятки НПС реалізовані в спеціалізованих кристалах і платах, на їх основі створені потужні робочі станції і навіть суперкомп’ютери. Сучасні технології досягли того рубежу, коли стало можливим виготовлення технічної системи з 3.4 млрд. нейронів (саме така кількість їх в мозку людини). Проте їх з’єднання продовжує залишатися проблемою [77].

В. П. КОЖЕМ’ЯКО, В. В. ДМИТРУК, Н. В. БЕЛІК

НАУКА І ТЕХНІЧНА ТВОРЧІСТЬ В НАВЧАЛЬНОМУ ПРОЦЕСІ (ВІД АБІТУРІЄНТА ДО АСПІРАНТА)

Добавить комментарий

Your email address will not be published.

Default thumbnail
Previous Story

Нейроподібний елемент

Default thumbnail
Next Story

Базова архітектура нейронних мереж

Latest from Нейромережі

Default thumbnail

Нейроподібний елемент

Нейроподібний елемент, який зазвичай використовується при моделюванні нейронних мереж, наведений на рис.