Cтраница 3
Таким образом, подводя итог вышеизложенному, следует отметить следующее: 1) искусственные нейронные сети - чрезвычайно быстро развивающаяся область знания, внедряющаяся во многие прикладные исследования; 2) в химии и химической технологии к настоящему времени нейронные сети успешно применены для предсказания физико-химических свойств соединений и их смесей, управления химико-технологическими процессами и системами, диагностике химических производств, а также аппроксимации сложных функциональных зависимостей; 3) исследования по поиску новых приложений нейронных сетей интенсивно ведутся, и, скорее всего, в ближайшем будущем появятся новые и интересные приложения их в химической науке. [31]
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. [32]
Несмотря на такое функциональное сходство, даже самый оптимистичный их защитник не предположит, что в скором будущем искусственные нейронные сети будут дублировать функции человеческого мозга. Реальный интеллект, демонстрируемый самыми сложными нейронными сетями, находится ниже уровня дождевого червя, и энтузиазм должен быть умерен в соответствии с современными реалиями. [33]
Традиционно построение правил вывода и баз знаний считается прерогативой экспертных систем - направления искусственного интеллекта, которое претендовало в начале семидесятых годов заменить собою искусственные нейронные сети в задачах обработки информации. Экспертные системы были ориентированы именно на обработку данных с помощью некоторых правил вывода, которые предполагалось извлекать у экспертов в той или иной области знаний. Экспертные системы были призваны реализовывать цепочки рассуждений, имитирующих анализ ситуации экспертом-человеком. По сути в 70 - е годы сам термин искусственный интеллект был синонимом разработки экспертных систем, или инженерии знаний. [34]
Хотелось бы подчеркнуть, что в нашей монографии представляется достаточно узкий, однако весьма важный с прикладной точки зрения фрагмент необычайно обширной области знаний, которая получила название искусственные нейронные сети. Приглашаем читателя к более углубленному изучению литературных источников, перечень которых приводится в конце главы. [35]
Традиционные системы управления, основываясь на уравнениях динамики, являются системами алгоритмического типа. Искусственные нейронные сети, получившие в 1980 - е годы свое второе дыхание благодаря новым методам обучения ( backpropagation), тоже имеют алгоритмический характер. [36]
Поэтому когда нам в полной мере стали ясны потенциальные возможности нейронных сетей, мы почувствовали большое воодушевление. Искусственные нейронные сети, будучи методом, свободным от моделей ( model-free) 2, позволяют нам оценивать доход по финансовым активам или частоту невыполнения обязательств по контрактам, не связывая себя при этом ограничениями, которые налагаются в общепринятых теоретических моделях. [37]
Искусственные нейронные сети получили широкое применение как эффективный моделирующий аппарат. Это объясняется свойством нейронных сетей аппроксимировать и экстраполировать непрерывные вектор-функции, а также уникальным их свойством обобщения данных. [38]
Проблема возникает из-за допущения полной безошибочности компьютеров. Так как искусственные нейронные сети иногда будут совершать ошибки даже при правильном функционировании, то, как ощущается многими, это ведет к ненадежности - качеству, которое мы считаем недопустимым для наших машин. [39]
Понимание этих обстоятельств заставило нас переключить свое внимание с универсальных моделей на новые перспективные методы. В 1990 году искусственные нейронные сети - в то время новая вещь для финансовой науки - преподносились как чудодейственное средство, способное почти полностью вытеснить человека из сферы операций на финансовых рынках. Буквально то же самое говорилось десятью годами ранее про экспертные системы. [40]
Нейронные сети обладают высокой распараллеливаемостью, что и обеспечивает повышенное быстродействие, важное в задачах управления в реальном времени, т.е. когда идентификация или формирование закона управления осуществляются в темпе протекания процесса. Вместе с тем искусственные нейронные сети сегодняшнего дня моделируют скорее, например, глаз, чем мозг. [41]
Однако в силу сложности протекающих в отделении процессов невозможно быстро обнаружить неисправности и их причины. И здесь возможно применять искусственные нейронные сети. В качестве входных элементов нейронной сети берутся основные технологические параметры. [42]
Эволюционное моделирование - направление в математическом моделировании, объединяющее компьютерные методы моделирования эволюции, а также близкородственные по источнику заимствования идей ( теоретическая биология, если таковая существует) другие направления в эвристическом программировании. Включает в себя как разделы генетические алгоритмы, эволюционные стратегии, эволюционное программирование, искусственные нейронные сети, нечеткую логику. [43]
Блеск и строгость аргументации Минского, а также его престиж породили огромное доверие к книге - ее выводы были неуязвимы. Разочарованные исследователи оставили поле исследований ради более обещающих областей, а правительства перераспределили свои субсидии, и искусственные нейронные сети были забыты почти на два десятилетия. [44]
В первых же работах выяснилось, что эти модели не только повторяют функции мозга, но и способны выполнять функции, имеющие свою собственную ценность. Поэтому возникли и остаются в настоящее время две взаимно обогащающие друг-друга цели нейронного моделирования: первая - понять функционирование нервной системы человека на уровне физиологии и психологии и вторая - создать вычислительные системы ( искусственные нейронные сети), выполняющие функции, сходные с функциями мозга. Именно эта последняя цель и находится в центре внимания этой книги. [45]