Нейронная сеть - История изменений

Admin: /* Применение ИНС */

2016-09-07T14:43:18Z

‎Применение ИНС

Admin в 14:40, 23 августа 2016

2016-08-23T14:40:24Z

Admin: /* Применение ИНС */

2016-08-18T10:07:22Z

‎Применение ИНС

Admin в 10:06, 18 августа 2016

2016-08-18T10:06:20Z

Admin в 18:21, 20 июля 2016

2016-07-20T18:21:34Z

Admin: /* Классификация ИНС */

2016-05-26T10:54:46Z

‎Классификация ИНС

Admin: Новая страница: «'''Искусственная нейронная сеть''' (artificial neural network) — математическая модель, а также её про…»

2016-05-26T10:49:36Z

Новая страница: «'''Искусственная нейронная сеть''' (artificial neural network) — математическая модель, а также её про…»

Новая страница

'''Искусственная нейронная сеть''' (artificial neural network) — математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. После разработки алгоритмов обучения получаемые модели стали использовать в практических целях: в задачах [[прогнозирование|прогнозирования]], для распознавания образов, в задачах управления и др.

* С точки зрения [[Машинное обучение|машинного обучения]], нейронная сеть представляет собой частный случай методов распознавания образов, дискриминантного анализа, методов кластеризации и т. п.
* С математической точки зрения, обучение нейронных сетей — это многопараметрическая задача нелинейной оптимизации.
* С точки зрения кибернетики, нейронная сеть используется в задачах адаптивного управления и как алгоритмы для робототехники.
* С точки зрения развития вычислительной техники и программирования, нейронная сеть — способ решения проблемы эффективного параллелизма.
* А с точки зрения [[ИИ|искусственного интеллекта]], ИНС является основой философского течения коннективизма и основным направлением в структурном подходе по изучению возможности построения (моделирования) естественного интеллекта с помощью компьютерных алгоритмов.

== Классификация ИНС ==
* '''по типу входной информации'''
** Аналоговые нейронные сети (используют информацию в форме действительных чисел);
** Двоичные нейронные сети (оперируют с информацией, представленной в двоичном виде).
** Образные нейронные сети (оперируют с информацией, представленной в виде образов: знаков, иероглифов, символов).
* '''по характеру обучения'''
** Обучение с учителем — выходное пространство решений нейронной сети известно;
** Обучение без учителя — нейронная сеть формирует выходное пространство решений только на основе входных воздействий. Такие сети называют самоорганизующимися;
** Обучение с подкреплением — система назначения штрафов и поощрений от среды.
* '''по характеру настройки синапсов'''
** Сети с фиксированными связями (весовые коэффициенты нейронной сети выбираются сразу, исходя из условий задачи, при этом: \boldsymbol dW/dt=0, где W — весовые коэффициенты сети);
** сети с динамическими связями (для них в процессе обучения происходит настройка синаптических связей, то есть \boldsymbol dW/dt\not=0, где W — весовые коэффициенты сети).

== Применение ИНС ==
{| class="wikitable"
! rowspan="2" style="text-align: center; font-weight: bold;" |
! colspan="2" style="text-align: center; font-weight: bold;" | Обучение с учителем
! colspan="5" style="text-align: center; font-weight: bold;" | Обучение без учителя
! style="text-align: center; font-weight: bold;" | Смешанное обучение
|-
| style="text-align: center;" | Перцептрон
| style="text-align: center;" | Сети адаптивного резонанса
| style="text-align: center;" | Перцептрон
| style="text-align: center;" | Самоорганизую-щаяся карта
Кохонена
| style="text-align: center;" | Нейронная сеть Кохонена
| style="text-align: center;" | Сети адаптивного резонанса
| style="text-align: center;" | Нейронная сеть Хопфилда
| style="text-align: center;" | Сеть радиально-базисных функций
|-
| Распознавание образов и классификация
| style="text-align: center;" | +
| style="text-align: center;" | +
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" | +
|-
| Принятие решений и управление
| style="text-align: center;" | +
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" | +
|-
| Кластеризация
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" | +
| style="text-align: center;" | +
| style="text-align: center;" | +
| style="text-align: center;" | +
| style="text-align: center;" |
| style="text-align: center;" |
|-
| [[Прогнозирование]]
| style="text-align: center;" | +
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" | +
|-
| Аппроксимация
| style="text-align: center;" | +
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" | +
|-
| Сжатие данных и Ассоциативная память
| style="text-align: center;" | +
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" | +
| style="text-align: center;" |
|-
| Анализ данных
| style="text-align: center;" | +
| style="text-align: center;" |
| style="text-align: center;" | +
| style="text-align: center;" | +
| style="text-align: center;" | +
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" |
|-
| Оптимизация
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" | +
| style="text-align: center;" | +
| style="text-align: center;" |
| style="text-align: center;" |
| style="text-align: center;" |
|}

@@ Строка 133: / Строка 133: @@
 | style="text-align: center;" |
 |}
 [[Категория:Концепции]]
 [[Категория:Искусственный интеллект]]

← Предыдущая		Версия 10:06, 18 августа 2016
Строка 135:		Строка 135:

	[[Категория:Концепции]]		[[Категория:Концепции]]
		+	[[Категория:Искусственный интеллект]]

← Предыдущая		Версия 18:21, 20 июля 2016
Строка 133:		Строка 133:
	\| style="text-align: center;" \|		\| style="text-align: center;" \|
	\|}		\|}
		+
		+	[[Категория:Концепции]]

@@ Строка 73: / Строка 73: @@
 | style="text-align: center;" | +
 |-
-| Кластеризация
+| [[Кластеризация]]
 | style="text-align: center;" |
 | style="text-align: center;" |

@@ Строка 17: / Строка 17: @@
 ** Обучение с подкреплением — система назначения штрафов и поощрений от среды.
 * '''по характеру настройки синапсов'''
-** Сети с фиксированными связями (весовые коэффициенты нейронной сети выбираются сразу, исходя из условий задачи, при этом: \boldsymbol dW/dt=0, где W — весовые коэффициенты сети);
+** Сети с фиксированными связями (весовые коэффициенты нейронной сети выбираются сразу, исходя из условий задачи, при этом: dW/dt=0, где W — весовые коэффициенты сети);
-** сети с динамическими связями (для них в процессе обучения происходит настройка синаптических связей, то есть \boldsymbol dW/dt\not=0, где W — весовые коэффициенты сети).
+** сети с динамическими связями (для них в процессе обучения происходит настройка синаптических связей, то есть dW/dt≠0, где W — весовые коэффициенты сети).
 == Применение ИНС ==