432. Моделі нейронних елементів (Розпізнавання образів і навчання)

Штучна нейронна мережа це сукупність нейронних елементів та зв'язків між ними. Основу кожної штучної нейронної мережі складають відносно прості, в більшості випадків - однотипні, елементи (клітинки), імітують роботу нейронів мозку. Нейрон володіє групою синапсів - односпрямованих вхідних зв'язків, з'єднаних з виходами інших нейронів. Кожен синапс характеризується величиною синаптичної зв'язку або її вагою wi. Кожен нейрон має поточний стан, який зазвичай визначається, як зважена сума його входів. Нейрон має аксон - вихідну зв'язок даного нейрона, з якої сигнал (збудження або гальмування) надходить на синапси наступних нейронів. Вихід нейрона є функція його стану: y = f (s). Функція f називається функцією активації. Функція активації може мати різний вид: пороговий, кусково-лінійний, сигмоїда. Безліч всіх нейронів штучної нейронної мережі можна розділити на підмножини - т.зв. шари. Взаємодія нейронів відбувається пошарово. Шар штучної нейронної мережі це безліч нейронів на які в кожен такт часу паралельно надходять сигнали від інших нейронів даній мережі. Вибір архітектури штучної нейронної мережі визначається завданням. Для деяких класів задач вже існують оптимальні конфігурації. Якщо ж завдання не може бути зведена до жодного з відомих класів, розробнику доводиться вирішувати завдання синтезу нової конфігурації. Проблема синтезу штучної нейронної мережі сильно залежить від завдання, дати загальні докладні рекомендації важко. У більшості випадків оптимальний варіант штучної нейронної мережі виходить дослідним шляхом. Штучні нейронні мережі можуть бути програмного та апаратного виконання. Реалізація апаратна звичайно являє собою паралельний обчислювач, що складається з безлічі простих процесорів. Важливою особливістю штучної нейронної мережі є можливість е ѐ навчання. Зазвичай процес навчання зводиться до коректування вагових коефіцієнтів. Алгоритми навчання штучних нейронних мереж можна розділити на два класи: навчання з учителем - мережі пред'являються значення як вхідних, так і бажаних вихідних сигналів, і система по певним алгоритмом підлаштовує ваги своїх синаптичних зв'язків. Навчання без вчителя - ваги змінюються за алгоритмом, що враховує тільки вхідні і похідні від них сигнали.

433. Модель мови (Обробка природної мови)

Мовна модель встановлює ймовірність певній послідовності слів методом розподілу ймовірностей, що дозволяє створити певну базу, з якої з певною точністю можна передбачувати наступне слово, виходячи з попередніх, що забезпечує більшу швидкість розпізнання. По суті модель мови є результатом статистичного підходу до розпізнання якщо розглядати його з боку накопичення інформації по цьому питанню. Математична модель мови — математична конструкція, яка використовується для експлікації властивостей природної мови, тобто, для чіткого та однозначного формулювання понять, які необхідні для описання мови. Основними поняттями математичної моделі мови є поняття вихідного словника, тобто, скінчені множини символів, і ланцюги, тобто, послідовності символів із даного словника. В багатьох математичних моделях мови задається також розбивка словника на класи та відношення між відповідними класами. Прийнято розрізняти два типи математичних моделей мови: 1) Аналітичні моделі мови, при побудові яких використовується абстракція актуальної нескінченності, тобто, вся нескінчена сукупність речень мови розглядається як вихідна даність; 2) Формальні граматики в яких використовуються лише абстракція потенційної нескінченості, тобто, кожне речення виникає (породжувані граматики), або розпізнається (розпізнавальні граматики) на деякому кроці спеціально побудованого числення або алгоритму.