Информационные системы менеджмента (стр. 12 из 12)
Рисунок 1–2.Этапы разработки ЭС
24. Нейронные сети как один из альтернативных подходов к решению интеллектуальных задач. Структура персептрона, принципы его работы
Нейронные сети
Технология создания структур, подобных структуре мозга, получила название нейрокибернетика. Физиологами давно установлено, что основой человеческого мозга является большое количество связанных между собой и нервных клеток – нейронов, взаимно влияющих друг на друга посредством электрических сигналов и способных менять свои характеристики. Поэтому усилия нейрокибернетики были сосредоточены на создании элементов, аналогичных нейронам, и их объединении в функционирующие системы. Эти системы принято называть нейронными сетями, или нейросетями.
Первые нейросети были созданы в конце 50-х гг. американскими учеными Г. Розенблаттом и П. Мак-Кигюком. Это были попытки создать системы, моделирующие человеческий глаз и его взаимодействие с мозгом. Устройство, созданное ими, получило название персептрона. Оно умело различать буквы алфавита, но было чувствительно к их написанию, например, буквы А, А и А для этого устройства были тремя разными знаками. Но главной особенностью этого устройства была способность к обучению. Перед началом работы устройству демонстрировались обучающие примеры символов, а затем, после завершения обучения, персептрон мог различать различные символы, которым его обучили.
Рисунок 5.3. Структура персептрона
В наиболее простом виде персептрон (Рисунок 5–3. Структура персептрона.) состоит из совокупности чувствительных (сенсорных) элементов (S‑элементов), на которые поступают входные сигналы. S‑элементы случайным образом связаны с совокупностью ассоциативных элементов (А-элементов), выход которых отличается от нуля только тогда, когда возбуждено достаточно большое число S‑элементов, подающих сигналы на входы А-элемента.
А-элементы соединены с реагирующими элементами (R‑элементами) связями, коэффициенты усиления (v) которых переменны и изменяются в процессе обучения.
Взвешенные комбинации выходов R‑элементов составляют реакцию системы, которая указывает на принадлежность распознаваемого объекта определенному образу. Если распознаются только два образа, то в персептроне устанавливается только один R‑элемент, который обладает двумя реакциями – положительной и отрицательной. Если образов больше двух, то для каждого образа устанавливают свой R‑элемент, выходная реакция которого представляет линейную комбинацию связанных с ним выходов A-элементов:
где Rj- реакция j‑го R‑элемента; xi– реакция i‑го A‑элемента; νij– вес связи от i‑го A‑элемента к j‑муR элементу; θj– порог j‑го R‑элемента.
Что такое искусственная нейронная сеть. Как работает нейронная сеть
Искусственная нейронная сеть (ИНС, нейронная сеть) – это набор нейронов, соединенных между собой. Как правило, передаточные функции всех нейронов в нейронной сети фиксированы, а веса являются параметрами нейронной сети и могут изменяться. Некоторые входы нейронов помечены как внешние входы нейронной сети, а некоторые выходы – как внешние выходы нейронной сети. Подавая любые числа на входы нейронной сети, мы получаем какой-то набор чисел на выходах нейронной сети. Таким образом, работа нейронной сети состоит в преобразовании входного вектора в выходной вектор, причем это преобразование задается весами нейронной сети.
Практически любую задачу можно свести к задаче, решаемой нейронной сетью. В этой таблице показано, каким образом следует сформулировать в терминах нейронной сети задачу распознавания рукописных букв.
Задача распознавания рукописных букв
Дано: растровое черно-белое изображение буквы размером 30x30 пикселов
Надо: определить, какая это буква (в алфавите 33 буквы)
Формулировка для нейронной сети:
Дано: входной вектор из 900 двоичных символов (900=30x30)
Надо: построить нейронную сеть с 900 входами и 33 выходами, которые помечены буквами. Если на входе нейронной сети изображение буквы «А», то максимальное значение выходного сигнала достигается на выходе «А». Аналогично нейронная сеть работает для всех 33 букв.
Поясним, зачем требуется выбирать выход нейронной сети с максимальным уровнем сигнала. Дело в том, что уровень выходного сигнала, как правило, может принимать любые значения из какого-то отрезка. Однако, в данной задаче нас интересует не аналоговый ответ, а всего лишь номер категории (номер буквы в алфавите). Поэтому используется следующий подход – каждой категории сопоставляется свой выход, а ответом нейронной сети считается та категория, на чьем выходе уровень сигнала максимален. В определенном смысле уровень сигнала на выходе «А» – это достоверность того, что на вход нейронной сети была подана рукописная буква «A». Задачи, в которых нужно отнести входные данные к одной из известных категорий, называются задачами классификации. Изложенный подход – стандартный способ классификации с помощью нейронных сетей.