Введение

Одним из наиболее актуальных направлений в области кибернетики является построение программных приложений для распознавания цифровых символов. В настоящее время существуют некоторые реализации нейронных сетей для распознавания цифр. Но, существующие алгоритмы не обеспечивают 100% распознавания символов. Следовательно, постоянное повышение эффективности существующих алгоритмов, а также разработка новых алгоритмов – является актуальной задачей.

На сегодняшний день существуют два основных направления применения нейронных сетей:

символьное – предполагает моделирование процессов мышления человека;

нейрокибернетическое – моделирование низкоуровневой структуры человеческого мозга.

Системы искусственного интеллекта должны эффективно решать неформализованные задачи. Результаты должны быть сравнимы с человеческими возможностями. Подобные системы должны обладать следующими особенностями:

1) использование собственной модели внутреннего мира;

2) способность пополнять имеющиеся знания;

3) способность к генерации новой информации, не содержащейся в модели;

4) корректная работа с разной степенью нечеткости;

5) взаимодействие с человеком;

6) адаптация.

Объект работы – нейронная сеть.

Предмет работы – распознавание цифровых символов с помощью нейронной сети.

Цель работы – проектирование и разработка искусственной нейро-матричной сети для облегчения распознавания цифровых символов.

Достижение указанной цели осуществлено за счет решения следующих задач:

1. Накопление базы данных исследуемых объектов;

2. Исследование свойств объектов для применения их в нейронной сети;

3. Разработка пошагового алгоритма работы сети;

4. Получение высокого результата классификации;

5. Тестирование программной реализации сети.

Работа состоит из введения, трех глав, заключения, списка использованной литературы. Текст работы изложен на 65 страницах, в том числе содержит 39 рисунков и 2 листинга.

1 Структура и свойства искусственных нейронных сетей

1.1 Модель искусственного нейрона

Самыми сложными системами, занимающимися переработкой информации, являются мозг человека и центральный процессор (ЦП) компьютера. Процессор способен интегрировать миллионы полупроводниковых транзисторов. За счет этого он становится подобен человеческому мозгу.

В состав мозга входит порядка 100 миллиардов нейронов. Один нейрон связан с 10000 других нейронов. Биологические нейроны отвечают за все процессы, связанные с мышлением, запоминанием, обработкой информации и т.д. По этой аналогии работают процессоры персональных компьютеров (рисунок 1.1) [1].

Рисунок 1.1 – строение мозга и центрального процессора компьютера

В биологическом мозге, отдельный нейрон является медленнодействующим, но за счет большого количества связей, работа мозга является достаточно быстрой. В схеме процессора, отдельный полупроводник является быстродействующим, но количество связей у него намного меньше, по сравнению с биологическим прототипом [2].

Мозг разделен на отделы. Каждый из отделов имеет модульную структуру.

Нейрон обладает многими качествами, общими с другими элементами тела, но его уникальной способностью является прием, обработка и передача электрохимических сигналов по нервным путям [3].

Составляющими нейрона являются: тело клетки, дендрит и аксон [4]. Нейроны, также называемые нервными клетками, обладают электрической активностью. Их основная задача – управление всем организмом.

Сигналы, проходящие через нейроны, могут обладать разной полярностью: положительные или отрицательные, возбуждающие или тормозящие. Величина сигнала определяется за счет веса синапса и может быть различной.

Вес синапса может меняться в процессе его функционирования. Каждый нейрон можно отнести к одной из групп:

• Рецепторные – ввод информации;

• Промежуточные – обработка информации;

• Эффекторные – передача сигнала органам тела.

Каждый нейрон способен к реализации так называемой пороговой функции. Если получаемый им сигнал превосходит значение данной функции, нейрон формирует сигнал [6]. Структура нейрона приведена на рисунке 1.2.

Рисунок 1.2 – структура нейрона

Нейроны создают новый сигнал, имеющий различные уровни биологического моделирования:

• группа нейронов;

• нейронная сеть;

• нервная система;

• мыслительная деятельность;

• мозг.

И мозг, и процессор оперируют сигналами, выполняют вычислительные функции [7].

Медлительность нейрона, по сравнению с полупроводником процессора, компенсируется за счет большого количества параллельных вычислительных блоков. Количество этих блоков намного больше, чем на персональном компьютере [8].

Мозг человека может эффективно работать при определенной степени неточности входящих данных. При этом, ест вероятность совершения ошибки. Процессор компьютера свободен от ошибок, при условии точности входных данных и корректной работе программного обеспечения [9].

Несмотря на то, что нейронная сеть создана на основе мозга, обе эти системы обладают определенной степенью отличия. Системы являются оптимальными для решения задач различного типа [10].

Для эффективного решения задач, разработчики нейронных сетей часто вынуждены отходить от современных биологических знаний. В таких ситуациях, мозг используется скорее, как метафора, чем как реальный прототип [11]. Несмотря на это, нейронное моделирование стремится понять, как работает нервная система человека и создать мощную вычислительную систему, не уступающую человеческому мозгу [12].

Искусственный нейрон является имитацией биологического нейрона. Входной сигнал, поступающий на очередной нейрон, является выходом нейрона с предыдущего слоя. Значение входа умножается на весовой коэффициент.

Входные сигналы (x₁, x₂,…, x_n) поступают на искусственный нейрон [13]. Каждый из них умножается на вес w₁, w₂,…, w_n Вес представляет собой «силу» синаптической связи.

Суммирующий блок – тело биологического элемента, суммирует взвешенные входы и создает выход – NET. В векторных обозначениях это может быть компактно записано следующим образом:

(1)

Схематически, работа искусственного нейрона изображена на рисунке 1.3.

Рисунок 1.3 – Искусственный нейрон