23. Понятие нейронной сети

Нейронные вычисления – это теория разработки и исследования систем обработки информации, использующих механизмы восприятия и переработки информации естественных информационных систем – мозга человека и животных. Исследования нейрофизиологов показали, что основным функциональным элементом головного мозга является нейрон. Нейрон - специализированная клетка, которая способна к передаче, обработке и хранению информации, необходимой для реализации физиологических функций организма. Биологический нейрон состоит из тела и входных и выходных каналов дендритов и аксонов. Для хранения информации в нейронах имеются так называемые синапсы.

Возможности биологических нейронных сетей обусловлены следующими их свойствами:

• Параллельность обработки информации: параллельное функционирование групп нейронов, и распределенную организацию памяти.

• Способность к ассоциированию, классификации, обобщению, абстрагированию и множество других.

• Способность к самоорганизации. В процессе работы биологические нейронные сети самостоятельно, под воздействием внешней среды, обучаются решению разнообразных задач.

• Надежность. Биологические нейронные сети обладают фантастической надежностью: выход из строя даже 10% нейронов в нервной системе не прерывает ее работы. Нейронные вычисления можно рассматривать как перспективную альтернативу программируемым вычислениям.

23. Принципы организации и функционирования инс

Нейронная сеть – это параллельная распределенная структура обработки информации в виде направленного графа с учетом следующих определений и ограничений:

1) вершинами графа являются обрабатывающие элементы; обрабатывающий элемент ИНС - искусственные нейроны (ИН);

2) дуги графа - связи; каждая функционирует как однонаправленный канал непрерывной передачи сигнала; математический тип данных, передаваемых по связям, может быть любым;

3) каждый обрабатывающий элемент может принимать любое количество входных связей (входов);

4) каждый обрабатывающий элемент может иметь любое количество выходных связей (выходов), но по ним должен передаваться один и тот же сигнал (выходной сигнал);

5) обрабатывающий элемент имеет локальную память; содержимое локальной памяти характеризует связь и называется весовым коэффициентом связи; выходной сигнал обрабатывающего элемента определяется как значение функции, называемой функцией активации, аргументами которой являются весовые коэффициенты и входные сигналы;

6) входные сигналы нейронной сети поступают по входным связям, начинающимся за ее пределами, а выходные сигналы – оканчиваются за пределами сети.

Как правило, во всех известных ИНС множество ИН разделено на подмножества, которые называются слоями. ИН могут быть связаны как с ИН своего слоя, так и с ИН других слоев.

Многие модели ИНС включают в себя слой, называемый входным. Каждый ИН входного слоя принимает только внешние по отношению к ИНС входные сигналы и, как правило, его функция заключается только в передаче сигналов на следующий слой сети.

Функцией нейрона является также реализация процесса обучения сети, который заключается в изменении значений весовых коэффициентов в соответствии с изменяющимися условиями функционирования.