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.