Файл: Персептроны. Назначение, обобщенная схема, виды персептронов, принципы работы. Достоинства и недостатки персептронных систем.pdf

1. Персептроны имеют ограничения в задачах, связанных с инвариантным представлением образов, то есть независимым от их положения на сенсорном поле и относительно других фигур. Такие задачи возникают, например, если нам требуется построить машину для чтения печатных букв или цифр так, чтобы эта машина могла распознавать их независимо от положения на странице; или если нам нужно определить из скольких частей состоит фигура; или находятся ли две фигуры рядом или нет. Минским было доказано, что этот тип задач невозможно полноценно решить с помощью параллельных вычислений, в том числе — персептрона.

2. Персептроны не имеют функционального преимущества над аналитическими методами (например, статистическими) в задачах, связанных с прогнозированием. Тем не менее, в некоторых случаях они представляют более простой и производительный метод анализа данных.

3. Было показано, что некоторые задачи в принципе могут быть решены персептроном, но могут потребовать нереально большого времениили нереально большой памяти. [1]

Заключение

Нельзя рассматривать нейронные сети как идеальное средство для решения любых задач, они отлично справляются там, где имеет место быть большое число похожих примеров, в которых можно проследить скрытые взаимосвязи, эта особенность успешно используется в областях с однотипным видом действий, требующих строго математического подхода. Однако не стоит их недооценивать, способность к обучению дает возможность расценивать нейронные сети как перспективное направление, и позволяет исследовать их потенциальные возможности в дальнейшем.

Список использованных источников

1. Галушкин А.И. Нейронные сети. М.: Горячая Линия-Телеком, 2012. – 496 с.
2. Горбань А., Росиев Д. Нейронные сети на персональном компьютере. М.: Наука, 1996. – 280 с.
3. Минский, М., Пейперт, С. Персептроны. М: Мир, 1971. — 261 с.
4. Мкртчян С.О. Нейроны и нейронные сети. СПб.: Питер, 2010. – 651 с.
5. Нейронные сети в экономике. М.: LAP. – 80 с.
6. Николенко С., Кадурин А., Архангельская Е. Глубокое обученение. Погружение в мир. СПб.: Питер, 2018. – 480 с.
7. Рашид Т. Создаем разумную нейронную сеть. М.: Вильямс, 2018. – 272 с.
8. Розенблатт, Ф. Принципы нейродинамики: Перцептроны и теория механизмов мозга = PrinciplesofNeurodynamic: Perceptrons and the Theory of Brain Mechanisms. — М.: Мир, 1965. — 480 с.
9. Хайкин С. Нейронные сети. Полный курс. М. Вильямс, 2018. – 1104 с.
10. Яхъева Г. Нечеткие множества и нейронные сети. М.: Бином, 2006. – 320 с.