- •Информатика курс лекций Оглавление
- •Общая характеристика процессов сбора, передачи, обработки и накопления информации
- •Информатика и информационные технологии
- •Назначение и области применения эвм. Персональный компьютер
- •Классификация по типоразмерам
- •Классификация по совместимости
- •Классификация по типу используемого процессора
- •Состав вычислительной системы
- •Аппаратное обеспечение
- •Устройства ввода данных
- •Устройства вывода данных
- •Устройства хранения данных
- •Устройства обмена данными
- •Программное обеспечение. Уровни программного обеспечения
- •Базовый уровень
- •Системный уровень
- •Сервисный уровень
- •Прикладной уровень
- •Система bios
- •Системные программы
- •Сервисные программные средства
- •Операционные системы
- •Состав операционной системы
- •Назначение программ оболочек
- •Операционная среда
- •Архитектура клиент-сервер, рабочая группа
- •Операционные среды сервера и рабочей станции
- •Метафора рабочего стола в Windows
- •Основные термины Windows и их значение
- •Значки и ярлыки объектов
- •Функции операционной среды
- •Прочие функции операционных систем
- •Стандартные программы в составе Windows
- •Новые версии ос
- •Информационные технологии создания и обработки текстовых документов. Текстовые редакторы и процессоры
- •Web-документы
- •Текстовые документы
- •Таблицы
- •Создание электронных презентаций средствами Microsoft PowerPoint
- •Обработка данных средствами электронных таблиц ms Excel
- •Табличные процессоры
- •Основные понятия электронных таблиц
- •Ввод, редактирование и форматирование данных
- •Вычисления в электронных таблицах
- •Ссылки абсолютные и относительные
- •Копирование содержимого ячеек
- •Автоматизация ввода
- •Использование стандартных функций
- •Построение диаграмм и графиков
- •Технологии анализа данных в Microsoft Excel
- •Технология подбора параметра
- •Сценарный подход
- •Таблицы подстановки
- •Поиск решения
- •Статистический анализ и прогнозирование
- •Построение базы данных
- •Базы данных. Microsoft Access
- •1. Краткая характеристика Microsoft Access
- •2. Функциональные возможности ms Access
- •3. Характеристика сферы применения «настольных» субд
- •Локальные и глобальные компьютерные сети
- •Общие сведения о сетевых взаимодействиях
- •Локальные вычислительные сети
- •Назначение и тип сервера
- •Корпоративные сети
- •Интернет
- •Услуги Интернет
- •Браузер и его назначение
- •Электронный адрес
- •Службы Интернет
- •Основные понятия www
- •Основы и методы защиты информации
- •Компьютерная безопасность
- •Методы защиты от компьютерных вирусов
- •Несанкционированное проникновение
- •Защита от удаленного администрирования
- •Средства защиты данных на путях транспортировки
- •Алгоритмизация и программирование
- •Решение задачи на эвм
- •Этапы создания программных средств
- •Языки программирования
- •Компиляторы и интерпретаторы
- •Уровни языков программирования
- •Поколения языков программирования
- •Языки программирования высокого уровня
- •Языки программирования баз данных
- •Языки программирования для Интернета
- •Интегрированные системы программирования
- •Среды быстрого проектирования
- •Архитектура программных систем
- •Объектно-ориентированное программирование
- •Проектирование программ
- •Использование универсальных пакетов
- •Системы обработки данных
- •Основные тенденции и перспективы развития информатики и информационных технологий
- •Искусственный интеллект
- •Экспертные системы
- •Нейронные системы
- •Системы извлечения знаний
- •Краткий словарь терминов
- •Список сокращений
Нейронные системы
В основу построения нейронных сетей положена модель мыслительной деятельности человеческого мозга.
Для понимания основных принципов построения нейронных систем напомним, что мозг человека состоит из большого числа нейронов, каждый из которых можно рассматривать как обладающий определенными весовыми коэффициентами пороговый элемент, имеющий около 200тыс. входов и всего один выход. В живом организме все нервные клетки посредством синапсов (точек соединений входов и выходов нейронов) связаны друг с другом в длинные цепочки и образуют единую сеть, постоянно обучаемую в течение жизни. Процесс обучения состоит в образовании новых синапсов и в установке весовых коэффициентов, определяющих условия появления нервного сигнала на выходе того или иного нейрона.
Подобно живому мозгу, нейрокомпьютеры состоят из электронных нейросхем, весьма упрощенно моделирующих поведение реальных нейронов. Поведение обученного до рождения или в процессе жизни нейрокомпьютера определяется набором весовых коэффициентов или, как иногда говорят, синоптической матрицей.Хотя искусственные нейронные сети еще далеки от своего прототипа —человеческого мозга, в поведении и тех, и других просматривается много общего. Технология создания, обучения и эксплуатации нейронной сети строится следующим образом.
1.Сначала формулируется постановка задачи и выделяется набор параметров, характеризующих некоторую проблему, или проблемную ситуацию. Параметры определяются на основании опыта множества экспертов, но этот набор их может быть избыточным и противоречивым, кроме того, нет необходимости заранее определять значимость того или иного параметра. Их важность определяется в процессе обучения и эксплуатации нейронной сети.
2.Подготавливается набор обучающих примеров, представляющих собой последовательности, состоящие из наборов входных параметров, для которых определены верные выходные значения. Эти заведомо верные выходные значения называютэталонными.
3.Осуществляется первоначальная настройка нейронной сети —весовым коэффициентам присваиваются случайные значения.
4.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 нейронной сети. 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 коррекции весовых коэффициентов называется процессом обучения.
5.Процесс предоставления обучающих последовательностей повторяется многократно до тех пор, пока сеть не придет в стационарное состояние, то есть результаты, вырабатываемые нейронной сетью с заданной вероятностью, совпадут с эталонными результатами.
6.После этого нейронная сеть считается настроенной (обученной) на определенную проблему, и ее можно использовать для решения реальных задач. Кроме того, в процессе эксплуатации нейронной сети также может происходить ее последующее обучение. Например, если имеется возможность оценить правильность решений, полученных в процессе эксплуатации сети, то эти данные также могут быть использованы для коррекции весовых коэффициентов. Обучение нейронной сети, как и обучение человека, длится долго, стоит достаточно дорого и во многом представляет собой настоящее искусство. Скорость обучения сети зависит не только от характеристик нейронной сети, но и от метода обучения, количества и качества обучающих последовательностей, порядка их предоставления нейронной сети. В настоящее время известно большое число математических алгоритмов обучения нейронных сетей, которые исследуются в рамках особой научной дисциплины, называемойнейроматематикой.
Важно отметить, что обученная нейронная сеть представляет собой самостоятельный отчуждаемый продукт. Механизмы построения нейронных сетей позволяют обучить нейронную сеть решать конкретную задачу и затем продать результаты обучения (числовую матрицу весовых коэффициентов), не раскрывая покупателю самой методики обучения.
Обучение нейронной сети представляет собой сложный процесс, реализуемый достаточно сложными алгоритмами, требующими значительных вычислительных ресурсов. Установлено, что реализация нейросетевых алгоритмов на обычном вычислительном оборудовании неэффективна. Для создания и обучения нейронных сетей используются дорогостоящие пакеты программ, эксплуатация которых требует высокопроизводительного вычислительного оборудования. В связи с этим в лексиконе вычислительной техники появилось новое понятие —нейрокомпьютер.
Под нейрокомпьютером понимается вычислительная система, аппаратное и программное обеспечение которой имеет архитектуру, ориентированную на эффективную реализацию нейросетевых алгоритмов. 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 —нейроакселераторовдля рабочих станций и персональных компьютеров.