Искусственная нейронная сеть
Cтраница 2
 |
Персептронный нейрон. [16] |
Систематическое изучение искусственных нейронных сетей было начато Маккалохом и Питтсом в 1943 году. Если эта сумма больше заданного порогового значения, выход равен единице, в противном случае - нулю. [17]
Некоторые из искусственных нейронных сетей обладают способностью извлекать сущность из входных сигналов. [18]
Если моделировать искусственную нейронную сеть на аналоговом компьютере, то весьма желательно использовать представление с помощью дифференциальных уравнений. Однако сегодня большинство работ выполняется на цифровых компьютерах, что заставляет отдавать предпочтение конечно-разностной форме как наиболее легко программируемой. По этой причине на протяжении всей книги используется конечно-разностное представление. [19]
 |
Типичные спектры флуоресценции немецкой нефти ( 1, фуль-вокислоты ( 2 и их смеси ( 3 в дистиллированной воде. Аехс 337 нм. [20] |
Важным свойством метода искусственных нейронных сетей является то, что в нем практически не используются какие-либо априорные знания об объекте исследования, а работа алгоритмов основана исключительно на информации, содержащейся во входных данных. Эта информация усваивается и обобщается нейронной сетью, которая делает свои оценки не только на основе предъявленного ей в данный момент примера, но и на основе всех тех примеров, которые содержались в обучающей выборке. [21]
Изложены основы теории искусственных нейронных сетей. Показано место нейронных сетей в эволюции интеллектуальных систем управления. Рассмотрены общие вопросы применения искусственных нейронных сетей в системах управления и связи. Отмечены преимущества, которые дает применение нейроинформа-ционных технологий при решении многих как нетрадиционных, так и традиционных задач управления и связи. [22]
Основная привлекательность применения искусственных нейронных сетей для прогноза нагрузки в электросети состоит в возможности использования большого количества входных параметров модели, которые влияют на результат прогноза. В них входят нагрузки за предшествующее время, погодные условия ( температура, скорость ветра, облачность), время суток, тип дня ( рабочий, выходной, праздничный), иногда день недели. [23]
Процесс функционирования большинства искусственных нейронных сетей может быть описан математически в виде последовательных умножений вектора на матрицу, одна операция умножения в каждом слое. Для вычисления выхода слоя входной вектор умножается на матрицу весовых коэффициентов, образуя вектор NET. К этому вектору прикладывается затем функция активации F, образуя вектор OUT, являющийся выходом слоя. [24]
Причины шумного успеха искусственных нейронных сетей во многом остаются загадочными. Отбросим момент рекламы, амбиции исследователей и попытаемся выяснить, имеются ли у нейронных сетей реальные преимущества перед традиционными методами обработки информации. [25]
 |
Типичные спектры флуоресценции немецкой нефти ( 1, фуль-вокислоты ( 2 и их смеси ( 3 в дистиллированной воде. Аехс 337 нм. [26] |
Важным свойством метода искусственных нейронных сетей является то, что в нем практически не используются какие-либо априорные знания об объекте исследования, а работа алгоритмов основана исключительно на информации, содержащейся во входных данных. Эта информация усваивается и обобщается нейронной сетью, которая делает свои оценки не только на основе предъявленного ей в данный момент примера, но и на основе всех тех примеров, которые содержались в обучающей выборке. [27]
У истоков возникновения искусственных нейронных сетей лежат исследования в области биологии, связанные с изучением работы мозга. Нейроны обмениваются сигналами с другими нейронами, образуя так называемые нейронные сети. Каждый нейрон состоит из тела клетки и множества входных отростков, называемых дендритами. Дендриты идут от тела данной клетки к другим нейронам, где они принимают сигналы в точках возбуждения, называемых синапсами. Принятые синапсами входные сигналы подводятся к телу нейрона, где они алгебраически суммируются. Когда суммарное возбуждение в теле нейрона превысит некоторый порог, он возбуждается, посылая сигнал к другим нейронам. [28]
Разработки в области применения искусственных нейронных сетей в химии и химической технологии основываются на способности нейронных сетей к обобщению информации и, как следствию этого, прогнозироваию поведения изучаемого объекта, а так же их способности сколь - угодно точно аппроксимировать многомерные ( в том числе и разрывные) отображения. Отсюда вытекают успешные применения нейронных сетей для предсказания свойств химических соединений, протекания физико - химических процессов и их управления. [29]
Чрезвычайно перспективным направлением приложения искусственных нейронных сетей является предсказание количественных соотношений между структурой и свойствами химических соединений. [30]
Страницы: 1 2 3 4