Нейронные системы и сети


Дата добавления: 2014-11-24 | Просмотров: 738


<== предыдущая страница | Следующая страница ==>

Нейронные сети моделируют построение человеческого мозга, который состоит примерно из 1010 – 1012 нервных клеток – нейронов. Каждый нейрон можно рассматривать как преобразователь информации.

Электронные нейросхемы упрощенно моделируют поведение реальных нейронов. Технология их создания, обучения и эксплуатации состоит из следующей последовательности действий:

· Для решения конкретной проблемы выделяется набор параметров, которые определяют эксперты на основании опыта. Этот набор может быть избыточен и противоречив. Важность параметров определяется в процессе обучения и эксплуатации нейронной сети.

· Подбирается набор обучающих примеров. Каждый пример представляет собой набор входных параметров, для которого определены верные выходные значения, называемые эталонными.

· Производится первоначальная настройка сети: весовым коэффициентам, приписанным каждому из входных параметров, присваиваются случайные значения.

· Обучающие последовательности в определенном порядке предъявляются нейронной сети. Нейронная сеть формирует выходные значения, которые сопоставляются с эталонными. На основе этого сравнения происходит автоматическая коррекция весовых коэффициентов в нейронной сети, которую называют процессом обучения. В случае совпадения полученного значения с эталонным происходит увеличение весовых коэффициентов тех параметров, которые способствовали получению верного результата, и, наоборот, происходит понижение весовых коэффициентов тех параметров, которые способствовали выработке неверного решения.

· Процесс предоставления обучающих последовательностей повторяется многократно до тех пор, пока сеть не придет в стационарное состояние, т.е. результаты, вырабатываемые нейронной сетью с заданной вероятностью, совпадут с эталонными результатами.

После этого нейронная сеть считается настроенной (обученной) на определенную проблему, т.е. создана числовая матрица весовых коэффициентов, и ее можно использовать для решения реальных задач. В процессе эксплуатации нейронной сети также может происходить ее последующее обучение. Обучение нейронной сети стоит достаточно дорого и представляет собой длительный процесс. В дальнейшем пользователи сети могут и не знать методики обучения.

Реализация нейросетевых алгоритмов на обычном вычислительном оборудовании неэффективна. Поэтому используют вычислительные системы с такой архитектурой аппаратного и программного обеспечения, которая ориентирована на эффективную реализацию нейросетевых алгоритмов. Такие вычислительные системы принято называть нейрокомпьютерами. Элементную базу нейрокомпьютеров составляют специализированные нейроБИС. Нейрокомпьютеры могут представлять собой самостоятельные устройства, а также строиться на основе обычных вычислительных устройств за счет включения в них специальных нейроплат – нейроакселераторов для рабочих станций и ПК.

 


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | 36 | 37 | 38 | 39 | 40 | 41 | 42 | 43 | 44 | 45 | 46 | 47 | 48 | 49 | 50 | 51 | 52 | 53 | 54 | 55 | 56 | 57 | 58 | 59 | 60 |

При использовании материала ссылка на сайт Конспекта.Нет обязательна! (0.058 сек.)