2015-06-05
605
Под нейронной сетью понимают параллельную связную сеть простых (обычно адаптивных) элементов, которая взаимодействует с объектами реального мира аналогично биологической нервной системе.
Под нейрокомпьютером понимают совокупность аппаратных и программных средств для реализации моделей нейронных сетей.
Искусственные нейронные сети состоят из элементов, функциональные возможности которых аналогичны большинству элементарных функций биологического нейрона. Эти элементы затем организуются по способу, который может соответствовать (или не соответствовать) анатомии мозга. Несмотря на такое поверхностное сходство, искусственные нейронные сети демонстрируют удивительное число свойств, присущих мозгу. Например, они обучаются на основе опыта, обобщают предыдущие прецеденты на новые случаи и извлекают существенные свойства из поступающей информации, содержащей излишние данные.
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 или мухи, и энтузиазм должен быть умерен в соответствии с современными реалиями. Однако равным образом было бы неверно игнорировать удивительное сходство в функционировании нейронных сетей с человеческим мозгом.
|
|
|
Обучение
Искусственные нейронные сети могут менять свое поведение в зависимости от внешней среды. Этот фактор в большей степени, чем любой другой, ответствен за тот интерес, который они вызывают. После предъявления входных сигналов (возможно, вместе с требуемыми выходами) они самонастраиваются, чтобы обеспечивать требуемую реакцию. Было разработано множество обучающих алгоритмов, каждый со своими сильными и слабыми сторонами. Однако все еще существуют проблемы относительно того, чему сеть может обучиться и как обучение должно проводиться.
