Существует ряд технологий и методологий создания искусственного интеллекта. Эта статья посвящена одной из них – искусственным нейронным сетям (ИНС). Ниже мы представляем конкретное введение в ИНС и обзор практических приложений. We invite you to read!
Что такое искусственная нейронная сеть?
Let's start with the basics. ИНС это вычислительный инструмент, моделирующий работу человеческого мозга в упрощенном виде (или набор простых вычислительных единиц, которые обрабатывают данные, взаимодействуют друг с другом и работают параллельно). Иногда термин искусственные нейронные сети также используется для описания области, связанной с построением и исследованием этого типа сети. ИНС существуют уже почти 50 years old, а простые сети уже давно используются, eg, для распознавания рукописного ввода.
Вдохновением для ИНС послужило построение естественных нейронов. Этот особый объект (или простая вычислительная единица) обрабатывает сигналы, общается и взаимодействует с другими такими объектами. Простейшая нейронная сеть, являющаяся одним из независимых нейронов Мак-Каллоха-Питтса (одна из математических моделей нейронов), называется перцептроном.
application
Искусственные нейронные сети используются для распознавания и классификации образов (присвоение категорий образцам), прогнозирования временных рядов, статистического анализа данных, уменьшения и сжатия шума изображения и звука, а также в вопросах управления и автоматизации. Специалисты по разработке нейроных сетей SmartMindBox перечисляют следующие способы применения:
- диагностика электронных систем;
- психиатрические обследования;
- прогнозы фондового рынка;
- прогноз продаж;
- интерпретация биологических исследований;
- прогнозы цен;
- анализ медицинских исследований;
- планирование ремонта техники;
- планирование успеваемости;
- анализ производственных проблем;
- оптимизация коммерческой деятельности;
- спектральный анализ;
- оптимизация утилизации отходов;
- подбор сырья;
- выбор объектов расследования в криминалистике;
- подбор сотрудников;
- управление производственными процессами.
Самое популярное применение нейронных сетей в настоящее время:
- в программах распознавания рукописного ввода;
- в аэропортах для проверки просвечиваемого багажа на наличие опасного груза;
- для синтеза речи.
Почему вообще стоит интересоваться искусственными нейронными сетями?
Искусственные нейронные сети часто восхищают инженеров, в том числе тем, что они имитируют ряд довольно удивительных функций человеческого мозга.
- высокая степень парелельности передачи импульсов;
- способность работать с неполной, противоречивой или “зашумленной” информацией;
- малый размер и потребление энергии;
- гибкости действия обучение как способности адаптации к изменению ситуации;
- высокая устойчивость к повреждению и гибели некоторых клеток.
Вышеупомянутые особенности, in turn, дают ряд преимуществ ИНС:
- способность учиться на примерах так же, как человек учится на опыте;
- способность интерпретировать зависимость и явления, неполную ошибочную информацию, eg, в задаче аппроксимации кривой данной энергетической характеристики;
- параллельность обработки информации – особенно важно для обработки информации в реальном времени, eg, нейрокомпьютеры для распознавания речи и обработки изображений;
- низкая стоимость конструкции по отношению к скорости обработки информации большое количество простых (и дешевых) processors;
- устойчивость к повреждению систем благодаря большому количеству нейронов ИНС, будет работать корректно даже после потери части нейронов.
В качестве дополнения сравним классический компьютер и так называемый нейрокомпьютером
- Хранение алгоритма
- Классический компьютер: ROM / RAM
- Нейрокомпьютер: architecture
- Время обучения
- Классический компьютер: short, алгоритм-зависимый
- Нейрокомпьютер: длинный, зависит от количества компонентов и соединений
- Обработка
- Классический компьютер: серийный
- Нейрокомпьютер: параллельный
- Эвристические способности
- Классический компьютер: слабый
- Нейрокомпьютер: очень хорошо
- Распознавание изображений
- Классический компьютер: the average
- Нейромпьютер: fast, очень хороший
- Поиск наборов данных
- Классический компьютер: медленный, точное соответствие
- Нейромпьютер: rapid, примерное совпадение
Типы нейронных сетей
Общей чертой нейронных сетей является то, что их структура состоит из нейронов, interconnected. Однако ИНС могут различаться во многих отношениях, таких как топология (architecture) и методы обучения. ИНС могут обучаться двумя способами:
- Обучение с учителем – этот подход использует обучающие наборы, входные и выходные данные. Во время обучения сеть настраивает вес, чтобы минимизировать различия между ожидаемым и усвоеным.
- Обучение без учителя – здесь сеть учится анализируя данные. В результате обучения сеть делится на классы и категории._