Cтраница 3
В перестроив имеется один слой искусственных нейронов, на каждый из которых подаются все входные сигналы а ( со своими весами Wjj. Такая искусственная нейронная сеть называется однослойной. Схема этой сети достаточно проста, в ней отсутствуют обратные связи с выходов нейронов на их входы, но в этом и ее сила. Розенблатт доказал очень важную теорему о том, что персептрон можно обучить всему, что он способен представить. [31]
Используя критерий линейной разделимости, можно решить, способна ли однослойная нейронная сеть реализовывать требуемую функцию. Даже в том случае, когда ответ положительный, это принесет мало пользы, если у нас нет способа найти нужные значения для весов и порогов. Чтобы сеть представляла практическую ценность, нужен систематический метод ( алгоритм) для вычисления этих значений. Розенблатт [4] сделал это в своем алгоритме обучения персептрона вместе с доказательством того, что персептрон может быть обучен всему, что он может реализовывать. [32]
Розенблаттом была поставлена принципиально иная задача - задача обучения распознаванию без учителя. При этом имелся в виду следующий эксперимент: машине лишь показываются объекты, принадлежащие разным классам, и ничего не говорится о том, к какому образу каждый показываемый объект принадлежит, и тем не менее требуется, чтобы машина после некоторого числа показов правильно относила вновь поступающие объекты к различным классам. Несмотря на кажущуюся парадоксальность самой постановки такая задача имеет смысл, хотя бы потому, что люди достаточно хорошо и, главное, достаточно единообразно решают задачи классификации без учителя. Розенблаттом алгоритмы оказались неработоспособными, на некоторое время задача обучения без учителя была оставлена. [33]
В пятидесятые и шестидесятые годы группа исследователей, объединив эти биологические и физиологические подходы, создала первые искусственные нейронные сети. Выполненные первоначально как электронные сети, они были позднее перенесены в более гибкую среду компьютерного моделирования, сохранившуюся и в настоящее время. Минский, Розенблатт, Уидроу и другие разработали сети, состоящие из одного слоя искусственных нейронов. Часто называемые персептронами, они были использованы для такого широкого класса задач, как предсказание погоды, анализ электрокардиограмм и искусственное зрение. В течение некоторого времени казалось, что ключ к интеллекту найден и воспроизведение человеческого мозга является лишь вопросом конструирования достаточно большой сети. [34]
Создается впечатление, что многие специалисты, работающие в области самоорганизующихся систем и случайных нервных сетей, не сознают со всей отчетливостью важности этой проблемы. Предположим, что сложная задача ( такая, как выигрыш шахматной партии) включает миллион промежуточных решений. При некоторых особых обстоятельствах мы вправе так поступить, например в машинах Розенблатта [930], Робертса [918], Фэрли и Кларка [313] и др., где подкрепляемые связи в значительной степени независимы. Но способность этих машин к решению задач соответственно невелика. [35]
Расчет коэффициентов сублимации по изменению кажущихся давлений в зависимости от площади отверстия основан по существу на использовании уравнения Рравн Ркаж ( - a) / aA, где А - площадь поверхности образца и а - площадь отверстия. Очевидно, что если измерения проведены для двух различных, но известных отношений А / а, то можно вычислить Рравн и а. Однако в случае пористых твердых тел поры ведут себя как небольшие кнудсенов-ские ячейки, которые при малом а дают намного более интенсивный поток молекул пара в камеру ячейки над образцом по сравнению с эквивалентной площадью поверхности образца. Обычно этим вкладом пор пренебрегают. Однако в последней статье Розенблатта [74] описана модель, согласно которой влияние пор может быть учтено, так что равновесные давления и коэффициенты сублимации могут быть вычислены из кнудсеновских данных. [36]