Студопедия КАТЕГОРИИ: АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Опишите принципы обучения нейронных сетей
Основным элементом проектирования сети является ее обучение. При обучении и переобучении НС ее весовые коэффициенты изменяются. Однако они остаются постоянными при функционировании нейросети, формируя долговременную память. НС может состоять из одного слоя, из двух слоев, из трех и большего числа, однако, как правило, для решения практических задач более трех слоев в НС не требуется Опишите принципы технической реализации нейросистем Простейший способ реализации ИНС - это виртуальная нейронная сеть в виде программы для компьютера С развитием технологии стало возможным создание специализированного аналогового нейрокомпьютера, в котором функции нейрона исполняет простейший процессор, либо имеющий дискретный выход, либо представляющий собойнебольшой усилитель с сигмоидной выходной характеристикой. Самой перспективной реализацией нейронной сети, открывающей путь к созданию архитектуры ЭВМ шестого поколения, является оптический нейрокомпьютер Опишите области эффективного применения нейросистем Таможенники используют нейронные сети для выявления пластиковых бомб и наркотиков, банкиры - для оценки кредитных рисков, финансисты -для предсказания изменения курса валюты, авиаторы - для автоматизации управления полетами Поясните принципы построения систем с нечеткой логикой Существуют области, где проблемы с трудом поддаются математической формализации (медицина, маркетинг). Причина такого кризис - это существование семантического пробела между языками, которыми пользуются компьютеры, и естественными языками. Исследуя истоки этого разрыва, японские специалисты пришли к следующему выводу; отойти от традиционной архитектуры компьютеров, спроектировав их на совершенно новых принципах, а именно принципах обработки знаний Какие элементы входят в систем с нечеткой логикой в компьютерах пятого поколения универсальность должна быть достигнута за счет представления знаний в некотором унифицированном формате и создания механизма их обработки (машины логических выводов).Одним из распространенных способов представления знаний является продукционные правила типа "если…то". Они удобны для поиска цепочки правил, ведущих от фактов к цели или от цели к фактам, выбранным из базы знаний. Но существует огромное множество знаний, имеющих нечеткую, вероятностную природу Какие задачи можно эффективно решать с помощью систем с нечеткой логикой. Существуют нечеткие множества, определенные на структурах, лингвистических переменных, булевой алгебре, введен ряд операций над множествами (так, в качестве операции (*) используют алгебраическую сумму) и т.д. В1963 г П. Заде ввел понятие нечеткого множества, которое можно описать в виде так называемой функции принадлежности. Эта функция ставит в соответствие числовым значениям некоторого понятия (элементам нечеткого множества) числа из отрезка [0, 1]. Например, понятие "высокий человек" можно представить графически. Для удобства можно сделать дискретную выборку (рис. 1,б) и сформировать вектор: Wtall = (0, 0,…,0.1, 0.2,…,0.9,1,9). Нечеткий дедуктивный выводс использованием продукционного правила можно записать следующим образом: (знание) Если х есть А, то у есть В (1) (факт) х есть А¢ (вывод) у есть В¢ где А, А¢, В, В¢ - нечеткие понятия (множества). Если их представить в виде векторов: А = (al, а2,,…. ,аМ), 0 <= а <= 1, (2) В = (b1, 2b,… ...,bN), 0 <= b <= 1 Нечеткие выводы в принципе можно реализовать программно на существующих цифровых компьютерах, но на такую обработку потребуется много времени и непроизводительных накладных расходов. Поэтому разрабатывают специализированные аппаратные средства для обработки нечетких множеств, которые называют нечеткими компьютерами |
||
Последнее изменение этой страницы: 2018-06-01; просмотров: 175. stydopedya.ru не претендует на авторское право материалов, которые вылажены, но предоставляет бесплатный доступ к ним. В случае нарушения авторского права или персональных данных напишите сюда... |