Difference between revisions of "Изкуствени невронни мрежи"

From Ilianko
Line 23: Line 23:
  
 
http://bg.wikipedia.org/wiki/Неврон
 
http://bg.wikipedia.org/wiki/Неврон
 +
 +
==Основни елементи на невронните мрежи ==
 +
 +
Основният обработващ елемент в изкуствените невронни мрежи е изкуственият неврон. Той не съответства напълно на биологичните неврони. На фигурата по-долу е представен изкуствен неврон.
 +
 +
[[Image:AN.png|Изкуствен неврон]]
 +
 +
Всеки неврон получава входен сигнал от съседни неврони или други източници и го използва, за да изчисли изходен сигнал, който предава на други възли в мрежата. Различават се три типа възли в невронната мрежа:
 +
*входни възли, които получават данни от средата, в която работи системата;
 +
*изходни възли, които изпращат данни навън от системата;
 +
*скрити възли, чиито входни и изходни сигнали са в мрежата.
 +
 +
Обработката на информацията, която се извършва от неврона може да се представи със следния израз:
 +
 +
 +
където i се променя от 0 до n. С w е означен тегловният коефициент на връзката между тялото и дендритите на неврона; с yj е означена активността на невроните, свързани с неврон i, yi е изходът на неврона, f е предавателна функция, wij е тегловният коефициент между неврон i и неврон j.
 +
 +
Ако стойността на теглото wij е положителна, връзката е възбуждаща, в противен случай е подтискаща.
 +
 +
Обикновено предавателната функция е ненамаляваща функция на тоталния вход на даден неврон. Най-често се използва линейна, полулинейна или сигмоидална функция.

Revision as of 17:23, 9 December 2012

Структурата на изкуствената невронна мрежа е математически модел, съставен от набор отделни елементи, които имитират:

  • свойства на биологични невронни системи;
  • процесите на адаптивно биологично усвояване на нови знания и умeния.

При решаване на задачи като:

  • разпознаване на говор,
  • разпознаване на образи,
  • разпознаване по образец и т.н.,

се счита, че невронните мрежи могат да се прилагат успешно.


Съвременният модел на невронна мрежа е композиция на добре взаимодействащи си елементи (аналог на невроните) и свързващите ги канали (аналог на синапсите).

Основно свойство на невронните мрежи е самообучението (само-модификацията).

Човешкият мозък притежава изчислителни свойства, които се доста уникални. Тези свойства сериозно се различават от свойствата на дигиталния компютър. Началото на ИНМ се поставя с изследване на изчислителните следствия на тези различия.

Това води до разработването на нов подход при обработка на данни в изкуствения интелект, вдъхновен от начина, по който това се извършва в човешкия мозък.

Невронните мрежи изучават и прилагат:

  • подробни и правдиви модели за реални мозъчни структури;
  • висшите и абстрактни свойства на невронни изчисления.

http://bg.wikipedia.org/wiki/Неврон

Основни елементи на невронните мрежи

Основният обработващ елемент в изкуствените невронни мрежи е изкуственият неврон. Той не съответства напълно на биологичните неврони. На фигурата по-долу е представен изкуствен неврон.

Изкуствен неврон

Всеки неврон получава входен сигнал от съседни неврони или други източници и го използва, за да изчисли изходен сигнал, който предава на други възли в мрежата. Различават се три типа възли в невронната мрежа:

  • входни възли, които получават данни от средата, в която работи системата;
  • изходни възли, които изпращат данни навън от системата;
  • скрити възли, чиито входни и изходни сигнали са в мрежата.

Обработката на информацията, която се извършва от неврона може да се представи със следния израз:


където i се променя от 0 до n. С w е означен тегловният коефициент на връзката между тялото и дендритите на неврона; с yj е означена активността на невроните, свързани с неврон i, yi е изходът на неврона, f е предавателна функция, wij е тегловният коефициент между неврон i и неврон j. 
Ако стойността на теглото wij е положителна, връзката е възбуждаща, в противен случай е подтискаща.
Обикновено предавателната функция е ненамаляваща функция на тоталния вход на даден неврон. Най-често се използва линейна, полулинейна или сигмоидална функция.