АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Элементы нейросетевого моделирования процессов в технических объектах и системах

Читайте также:
  1. I. МЕХАНИКА И ЭЛЕМЕНТЫ СПЕЦИАЛЬНОЙ ТЕОРИИ ОТНОСИТЕЛЬНОСТИ
  2. III. Психические свойства личности – типичные для данного человека особенности его психики, особенности реализации его психических процессов.
  3. SCАDA-системы: основные блоки. Архивирование в SCADA-системах. Архитектура системы архивирования.
  4. V. ЭЛЕМЕНТЫ ФИЗИКИ АТОМА
  5. XII. ЭЛЕМЕНТЫ ТЕОРИИ АЛГОРИТМОВ
  6. А. Понятие и элементы договора возмездного оказания услуг
  7. А. Понятие и элементы комиссии
  8. А. Понятие и элементы простого товарищества
  9. Аварии на пожаров взрывоопасных объектах
  10. Аварии на пожаро– и взрывоопасных объектах
  11. Аварии на радиационно-опасных объектах
  12. Аварии на радиационно-опасных объектах

Нейронные сети (НС)раздел искусственного интеллекта, для обработки сигналов в котором используются явления, аналогичные явлениям, происходящим в нейронах живых организмов.

Их важнейшей особенностью является возможность параллельной обработки информации всеми звеньями. Громадное количество межнейронных связей позволяет значительно ускорить процесс обработки информации и сделать возможным преобразование сигналов в реальном времени. Большое число межнейронных связей обеспечивает устойчивость НС к ошибкам: в этом случае функции поврежденных связей берут на себя исправные линии и деятельность сети не претерпевает существенных возмущений.

НС способны к обучению и обобщению накопленных знаний, они обладают чертами искусственного интеллекта, в частности, в обобщении полученной информации и в показании хороших результатов на не использовавшихся в процессе обучения данных

Основу каждой нейросети составляют относительно простые, в большинстве случаев – однотипные, элементы (ячейки), имитирующие работу нейронов мозга. Под нейроном будет подразумеваться искусственный нейрон, то есть ячейка нейросети.

Он обладает группой синапсов – однонаправленных входных связей, соединенных с выходами других нейронов, а также имеет аксон – выходную связь данного нейрона. Каждый синапс характеризуется величиной синаптической связи или ее весом . Выход нейрона есть функция его состояния – «функция активации», или «передаточная функция» нейрона. Одним из важных факторов не является способ ее обучения. Выделяют два подхода: обучение с учителем и обучение без учителя.

Решение задач с использованием НС включает, как правило, три этапа (рис.).

В каждом из названных приложений НС играет роль универсального аппроксиматора функции от нескольких переменных, реализуя нелинейную функцию . Именно к аппроксимационному представлению могут быть сведены многие задачи моделирования, идентификации и обработки сигналов.

 

 
 

 


Рис. Этапы решения задачи с применением нейронных сетей


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 |


При использовании материала, поставите ссылку на Студалл.Орг (0.007 сек.)