Файл: Нейронные сети (История развития нейронных сетей).pdf

В 1992 г. на конференции по OCR-системам более 40 систем распознавания рукописных текстов были сопоставлены для одних и тех же данных. Десять лучших из них использовали варианты многослойных сетей прямого распространения или классификаторы "ближайшего соседа".

Искусственные нейронные сети, например при решении OCR-задач, имеют тенденции к превосходству по требуемой памяти и скорости по сравнению с методами "ближайшего соседа", в отличие от которого скорость классификации с использованием искусственных нейронных сетей не зависят от объема обучающих выборок.

Развитие искусственных нейронных сетей вызывает много критики и энтузиазма. Некоторыми сравнительными исследованиями были получены оптимистичные результаты, другими - пессимистичные.

При решении многих задач, например, распознавание образов, пока не созданы доминирующие подходы. Выбор лучших методик должен диктоваться природой задач.

Необходимо пытаться понимать предпосылки, возможности и области применения различных подходов и максимально использовать их дополнительные преимущества для дальнейшего развития интеллектуальных систем.

Подобные усилия могут приводить к синергетическому подходу, который объединяет искусственные нейронные сети с другими технологиями для существенного прорыва при решении актуальных проблем.

Взаимодействие и совместная работа исследователей в сфере искусственных нейронных сетей и других дисциплин позволяют не только избегать повторений, но и придают новые качества и стимулируют развитие новых направлений исследований.

Список литературы

1. Гелиг А., Матвеев А. Введение в математическую теорию обучаемых распознающих систем и нейронных сетей. Учебное пособие. — СПб.: Издательство "СПбГУ", 2014.— 224 с.
2. Гилат А. MATLAB. Теория и практика. —V.: Издательство "ДМК Пресс", 2016.— 416 с.
3. Дьяконов В. MATLAB и SIMULINK для радиоинженеров. — М.: Издательство "ДМК Пресс", 2016.— 976с.
4. Куркина Е. Моделирование нелинейных явлений в физико-химических системах. С подробными примерами в MATLAB. Учебное пособие. — СПб.: Издательство "Ленанд", 2016.— 104с.
5. Олескин А. Сетевые структуры в биосистемах и человеческом обществе. — М.: Издательство "Либроком", 2015.— 304 с.
6. Редько В. Эволюция, нейронные сети, интеллект. Модели и концепции эволюционной кибернетики. — СПб.: Издательство "Ленанд", 2015.— 224 с.
7. Редько Г. Подходы к моделированию мышления. — СПб.: Издательство "Ленанд", 2016.— 292 с.
8. Тархов Д. Нейросетевые модели и алгоритмы. Справочник. — М.: Издательство "Радиотехника", 2014.— 352 с.
9. Хайкин С. Нейронные сети. Полный курс. — М.: Издательство "Вильямс", 2016.— 1104 с.
10. Ширяев В. Финансовые рынки. Нейронные сети, хаос и нелинейная динамика. Учебное пособие. — М.: Издательство "Либроком", 2016.— 232 с.