Тема 9. Нейронные сети.
Особенностью интеллектуальных систем является способность решать слабоструктурированные и плохо формализованные задачи. Для решения таких задач используется: нечеткие системы, нейронные сети и генетические алгоритмы. Нейронные сети можно рассматривать как современные интеллектуальные системы, которые преобразуют информацию по образу процессов, происходящих в мозгу человека. На основе стратегии искусственного интеллекта лежит понятие парадигмы, т.е. концептуального представления на суть проблемы и принцип ее решения. Рассматриваются две парадигмы: Парадигма эксперта, которая предполагает: - Формализацию знаний, т.е. преобразование экспертом проблемного знания в форму, предписанную выбранной модели ПрЗн - Формирование БЗ, т.е. вложение формализованных знаний в программную систему - Дедукцию решение задачи логического вывода на основе БЗ. Парадигма ученика (когнитолога): - Обработку наблюдений, изучение опыта частных примеров и формирование БД. - Индуктивное обучение, т.е. превращение БД в БЗ на основе обобщения знаний, накопленных в БД и обоснования процедуры извлечения знаний из БЗ. Это означает, что на основе данных делается вывод об общности той зависимости между объектами, которую мы наблюдаем. - Дедукция об обоснованной или полагаемой процедуре осуществляется выбор информации из БЗ. Нейрон: - Тело нейрона (сома). - К каждому нейрону подходят множество входных воздействий (дендриты) - Каждый нейрон имеет только один выход (аксон). Искусственный нейрон включает:
Информация суммируются с учетом синоптических весов.W=E После этого потенциал нейрона преобразуются с помощью функции активации. Если полученное W >= W0 порог заданное значение, если меньше нейрон не срабатывает. Функция активации может быть различных видов: Y=f(W)=kV (линейная) Y=f(W)=1 Если W>=W0, либо f(W)=0 в противном случае. Но на практике будем использовать сигмовидную формулу: F(W)=1/exp(- Тип Функции активации выбирается с учетом конкретной задачи, однако наиболее популярная является сигмоидная функция. Инс представляет собой совокупность искусственных нейронов, организованных слоями, при этом выходы нейронов одного слоя, соединяются с входами нейронов другого соля. В зависимости от топологии или структуры соединения нейронов ИНС подразделяется: - Одноуровневые. - Многоуровневые. - С обратными связями и без них. Связи между слоями могут иметь различную структуру. В однолинейных сетях каждый нейрон нижнего слоя связан с одним нейроном верхнего слоя. Если каждый нейрон нижнего слоя соединен с несколькими нейронами следующего слоя, то формируются пирамидальная сеть. Связь каждого нейрона верхнего слоя со всеми нейронами - это нейронная сеть с прямой связью и одним скрытым слоем, т.е. одноуровневым. Число слоев в каждом слое для конкретной задаче является неформальной проблемой, при решение которой можно использовать эвристическое правило, число нейронов в следующем слое в 2 раза меньше чем в предыдущем. При построение ИНС прежде всего необходимо точно определить задачи, которые будут решатся с ее помощью в настоящее время нейрон сетевые технологии применяются для решения задач: Моделирования, прогнозирования, распознавания. Первым этапом построения ИНС является отбор входных и выходных данных. Есть диапазон изменений входных величин пронармированный.
|
