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. Приглашаем к прочтению!
Что такое искусственная нейронная сеть?
Начнем с основ. 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 лет, а простые сети уже давно используются, например, 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.
Применение
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, в свою очередь, дают ряд преимуществ ИНС:
- способность учиться на примерах так же, как человек учится на опыте;
- способность интерпретировать зависимость и явления, неполную ошибочную информацию, например, в задаче аппроксимации кривой данной энергетической характеристики;
- параллельность обработки информации – особенно важно для обработки информации в реальном времени, например, нейрокомпьютеры для распознавания речи и обработки изображений;
- низкая стоимость конструкции по отношению к скорости обработки информации большое количество простых (и дешевых) процессоров;
- 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: архитектура
- Время обучения
- Классический компьютер: короткий, 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: среднее
- Нейромпьютер: быстрый, очень хороший
- Поиск наборов данных
- Классический компьютер: медленный, точное соответствие
- Нейромпьютер: быстрое, примерное совпадение
Типы нейронных сетей
Общей чертой нейронных сетей является то, что их структура состоит из нейронов, связанных между собой. Однако ИНС могут различаться во многих отношениях, таких как топология (архитектура) 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._