18. Нейронные сети Хопфилда.

Нейро́нная сеть Хо́пфилда — полносвязная нейронная сеть с симметричной матрицей связей. В процессе работы динамика таких сетей сходится (конвергирует) к одному из положений равновесия. Эти положения равновесия являютсялокальными минимумами функционала, называемого энергией сети (в простейшем случае — локальными минимумами отрицательно определённой квадратичной формы на n-мерном кубе). Такая сеть может быть использована какавтоассоциативная память, как фильтр, а также для решения некоторых задач оптимизации. В отличие от многих нейронных сетей, работающих до получения ответа через определённое количество тактов, сети Хопфилда работают до достижения равновесия, когда следующее состояние сети в точности равно предыдущему: начальное состояние является входным образом, а при равновесии получают выходной образ.

19. Системы управления на основе ассоциативной памяти.

Применение ассоциативной памяти позволяет существенно повысить скорость выборки и упростить доступ к данным. Так как при выборке происходит ряд логических операций по отбору данных, то отпадает необходимость в специальных программных конструкциях по ускорению доступа: сортировках и хешировании, а индексы потребуются только для обеспечения уникальности записей и задания связей между таблицами. Уже создан ряд микросхем ассоциативной памяти, их применение позволяет существенно повысить производительность.

Так как устройство с ассоциативной памятью предназначено для повышения скорости доступа при работе с базами данных, то наиболее целесообразно выполнить его в виде отдельной платы расширения для компьютера. Впоследствии на основании этой платы может быть создан сопроцессор данных (SQL-сопроцессор).

20. Rbf сети. Особенности и характеристики.

Радиально-симметричные функции – простейший класс функций. В принципе, они могут быть использованы в разных моделях (линейных и нелинейных) и в разных сетях (многослойных и однослойных). Традиционно термин RBF сети ассоциируется с радиально-симметричными функциями в однослойных сетях, имеющих структуру, представленную на рисунке 2.

То есть, каждый из n компонентов входного вектора подается на вход m базисных функций и их выходы линейно суммируются с весами: 

Рис.2. Структура RBF сети.

Таким образом, выход RBF сети является линейной комбинацией некоторого набора базисных функций:

21. Алгоритмы обучения динамических нейронных сетей.

Обратное распространение

Быстрое распространение

Метод сопряженных градиентов

Алгоритм Левенберга-Маркара

Квази-ньютоновский алгоритм

Дельта-дельта с чертой

Алгоритм Кохонена

ОВК (обучающийся векторный квантователь)

Псевдообратных метод (сингулярное разложение)

Метод К-средних

Алгоритмы задания отклонений

22. Понятия «обобщенного настраиваемого объекта».

23. Система управления на основе экспертных систем.

Экспертная система – это вычислительная система, в которую включены знания специалистов о некоторой конкретной проблемной области и которая в пределах этой области способна принимать экспертные решения. 

24. Стратегии обучения нейронных сетей.

Параметр	Длительность обучения	Качество обучения
Увеличение тактовой частоты компьютера		-
Вывод информации в процессе обучения на экран в графическом режиме (по сравнению с текстовым режимом)		-
Увеличение количества примеров
Увеличение количества обучающих параметров
Увеличение количества классов (в классификаторах)
Увеличение размерности вектора ответа (в предикторах)
Близкое количество примеров каждого класса (в классификаторах)
Повышение уровня надежности (в классификаторах)
Повышение уровня отклонения (в предикторах)
Увеличение числа нейронов
Увеличение параметра плотности
Увеличение времени отклика сети
Увеличение характеристики