Нейронные сети

Первые идеи построения нейронных сетей возникли в 1943 году. Ученые МакКаллох и Питс создали упрощенную модель нервной клетки - нейрон. Биологически нейрон человека состоит из ядра (сомы), дендритов, через которые информация поступает в клетку, и длинного и тонкого отростка - аксона, передающего сигналы в другие клетки. На конце аксон также разветвляется и образует контакты с дендритами других нейронов - синапсы.

Мозг человека содержит около 10 млрд. различных нейронов, связанных между собой в большую сеть. Каждый нейрон можно рассматривать как обладающий определенными весовыми коэффициентами пороговый элемент, имеющий около 200 тыс. входов и всего один выход. В живом организме все нервные клетки посредством синапсов (точек соединений входов и выходов нейронов) связаны друг с другом в длинные цепочки и образуют единую сеть, постоянно обучаемую в течение жизни. Процесс обучения состоит в образовании новых синапсов и в установке весовых коэффициентов, определяющих условия появления нервного сигнала на выходе того или иного нейрона.

Одним из направлений бионического подхода к созданию интеллектуальных компьютерных систем являются исследования в области создания нейрокомпьютера.

В основе этих работ лежат исследования:

1. Структуры и процессов функционирования человеческого мозга;

2. Нейронных сетей низших типов животных;

3. Методов получения мономолекулярных органических пленок и многослойных структур на их основе;

4. Методов получения биологических проводников электрического тока;

5. По созданию искусственных нейронных сетей в виде специализированных электронных схем, состоящих из электронных аналогов клеток головного мозга.

Подобно живому мозгу нейрокомпьютеры состоят из электронных нейросхем, весьма упрощенно моделирующих поведение реальных нейронов. Поведение обученного до рождения или в процессе жизни нейрокомпьютера определяется набором весовых коэффициентов или синоптической матрицей.

Отличительные черты нейросетевой технологии:

1. Способность обучаться на конкретном множестве примеров (а не программироваться в привычном смысле этого слова); технически обучение заключается в нахождении коэффициентов связей между нейронами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщение.

2. Умение распознавать, прогнозировать новые ситуации с высокой степенью точности, причем в условиях внешних помех (например, появления противоречивых или неполных значений в потоках информации). Реализуется с помощью метода генетического алгоритма.

Генетический алгоритм реализован в популярных версиях нейропакетов, например, в России - Brain Maker Professional.

Нейросети можно применять в анализе финансовой и банковской деятельности, биржевых рынков. Точность прогноза, достигаемая нейросетевыми технологиями, превышает 95%. Одно из перспективных направлений использования нейросетевых технологий в управлении - создание компьютерных моделей поведения клиента для оценки риска или перспективности работы с конкретными клиентами. Эти модели основаны на анализе проведенных сделок и оценке вероятности того, согласится ли конкретный клиент на то или иное предложение.

На мировом рынке представлен широкий спектр нейросетевых технологий — от систем, ориентированных на суперкомпьютеры, стоимость которых превышает 50 тыс. долл., до недорогих (несколько сотен долларов) нейропакетов, работающих на платформе персональных компьютеров и рабочих станций.