С помощью нейронных сетей»
Цель работы
Целью работы является изучение принципов функционирования нейронных сетей (НС) в рабочем режиме и режиме обучения.
Краткие теоретические сведения
Свойства и назначение нейронных сетей
Под методами искусственного интеллекта понимают все методы и математические модели, которые имитируют мыслительную (интеллектуальную) деятельность человека. В этом отношении можно выделить два подхода:
- моделирование процесса (алгоритма) мышления при принятии какого-либо решения,
- моделирование работы мозга на основе изучения биологических принципов его функционирования.
Первый подход реализуется в виде нечетких логических функций (Fuzzy Logic), экспертных систем, естественно-языковых систем. Второй подход представлен нейронными сетями, которые фактически являются математическими моделями мозга.
Основные свойства НС:
- массивно-параллельная обработка,
- высокая отказоустойчивость,
- использование неалгоритмических вычислений,
- способность к обобщению и классификации данных,
- способность к обучению с учителем или без учителя,
- возможность использования слабоформализованной информации.
НС получили распространение благодаря тому, что они:
- дают стандартный способ решения многих нестандартных задач;
- обладают способностью к обучению - необходимо только формировать учебные задачники, то есть труд программиста замещается трудом учителя;
- особенно эффективны там, где нужен аналог человеческой интуиции;
- позволяют создавать эффективное программное обеспечение для компьютеров с высокой степенью параллельной обработки.
В литературе [1] встречается значительное число признаков, которыми должна обладать задача, чтобы применение НС было оправдано и НС могла бы ее решить:
- отсутствует алгоритм или неизвестны принципы решения задач, но накоплено достаточное число примеров;
- проблема характеризуется большими объемами входной информации;
- данные неполны или избыточны, зашумлены, частично противоречивы.
Таким образом, НС хорошо подходят для распознавания образов и решения задач классификации, оптимизации и прогнозирования. В нефтяной и химической промышленности НС могут применяться для анализа геологической информации, идентификации неисправностей оборудования, разведки залежей минералов по данным аэрофотосъемок, анализа составов примесей, при управлении процессами. Кроме того, с помощью НС может быть реализовано управление манипуляторами, управление качеством, обнаружение неисправностей, адаптивная робототехника, управление голосом и т.д.