МОДЕЛЮВАННЯ З ВИКОРИСТАННЯМ АПАРАТА ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ
Одним з найбільш поширених видів систем "штучного інтелекту" є нейронні мережі (НМ) - обчислювальні структури, які моделюють біологічні процеси, що зазвичай асоціюються з процесами людського мозку [10].
Термін «нейронні мережі» сформувався в 40-х роках XX ст. у середовищі дослідників, що вивчали принципи організації й функціонування біологічних НМ. Основні результати, отримані в цій галузі, пов'язані з іменами американських дослідників У. Макалоха, Д. Хеба, Ф. Розенблатта, М. Мінського, Дж. Хопфілда й ін.
НМ являють собою розпаралелені системи, здатні до навчання й адаптації шляхом аналізу позитивних і неґативних впливів. Елементарним перетворювачем у даних мережах є штучний нейрон або просто нейрон, названий так за аналогією з біологічним прототипом. НМ складається з безлічі однакових нейронів. З'єднані певним чином, нейрони утворюють штучну НМ. Робота мережі розділяється на навчання й адаптацію. Під навчанням розуміють процес адаптації мережі до пропонованих еталонних зразків шляхом модифікації (відповідно до того або іншого алгоритму) вагових коефіцієнтів зв'язків між нейронами. Цей процес є результатом алгоритму функціонування мережі, а не попередньо закладених у неї знань людини, як це часто буває в системах „штучного інтелекту”.
За допомогою апарата штучних НМ можна проводити:
- апроксимацію функцій при вирішенні інженерних і наукових завдань моделювання – для навчальної вибірки (x1,y1), (x2,y2), … (xN,yN) (пари даних «вхід-вихід»), що генерується невідомою зашумленою функцією F(x), де завдання апроксимації полягає в знаходженні оцінки невідомої функції F(x);
- передбачення/прогноз для прийняття рішень у бізнесі, науці й техніці - завдання полягає в прогнозі значення y(tk) у деякий майбутній момент часу tk+1 для заданих n дискретних відліків {y(t1), y(t2) ..., y(tk)} у послідовні моменти часу t1, t2, ..., tk;
- оптимізацію рішень у математиці, статистиці, техніці, науці, медицині й економіці, де завданням алгоритму оптимізації є знаходження такого рішення, що задовольняє систему обмежень і максимізує або мінімізує цільову функцію;
- керування різноманітними об’єктами, що полягає в розрахунку такого вхідного впливу,при якому система рухається за бажаною траєкторією, що диктується еталонною моделлю (наприклад, оптимальне керування двигуном).
Дата добавления: 2015-10-13; просмотров: 792;